打开Nomic Embeddings的魔法之门：快速入门指南

最新推荐文章于 2024-10-07 01:46:20 发布

qq_37836323

最新推荐文章于 2024-10-07 01:46:20 发布

阅读量276

点赞数 9

文章标签： python

本文链接：https://blog.csdn.net/qq_29929123/article/details/142687610

版权

# 引言

在现代机器学习中，嵌入模型是将文本转换为数值向量的重要工具。这些嵌入向量可以在各种应用中使用，如自然语言处理和信息检索。本文将引导您快速上手使用Nomic Embeddings，并提供实用示例和常见问题的解决方案。

# 主要内容

## 安装

要使用Nomic Embeddings，首先需要安装`langchain-nomic`包。在命令行中运行以下命令：

```bash
!pip install -U langchain-nomic

环境设置

在使用Nomic的API之前，请确保设置好环境变量NOMIC_API_KEY。这是访问API服务的关键。

使用方法

使用Nomic Embeddings非常简单，以下是一些基础用法：

from langchain_nomic.embeddings import NomicEmbeddings

# 创建嵌入实例
embeddings = NomicEmbeddings(model="nomic-embed-text-v1.5")

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

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

# 异步嵌入查询
await_query_embedding = await embeddings.aembed_query("My query to look up")

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

自定义维度

Nomic Embeddings支持在推理时指定嵌入维度，从64到768不等。这使得模型更加灵活：

embeddings = NomicEmbeddings(model="nomic-embed-text-v1.5", dimensionality=256)
custom_query_embedding = embeddings.embed_query("My query to look up")

代码示例

以下是一个完整的代码示例，展示如何使用Nomic Embeddings进行文本嵌入：

from langchain_nomic.embeddings import NomicEmbeddings

# 使用API代理服务提高访问稳定性
embeddings = NomicEmbeddings(model="nomic-embed-text-v1.5", dimensionality=256)

# 嵌入查询
query_embedding = embeddings.embed_query("Example query")

# 打印嵌入结果
print(query_embedding)