SentenceTransformerEmbeddingFunction

SentenceTransformerEmbeddingFunction 是 pymilvus 中的一个类，负责使用 Sentence Transformer 模型将文本编码为嵌入，以支持在 Milvus 中进行嵌入检索。

python
pymilvus.model.dense.SentenceTransformerEmbeddingFunction

构造函数

为常见用例构造一个 SentenceTransformerEmbeddingFunction。

python
SentenceTransformerEmbeddingFunction(
    model_name: str = "all-MiniLM-L6-v2",
    batch_size: int = 32,
    query_instruction: str = "",
    doc_instruction: str = "",
    device: str = "cpu",
    normalize_embeddings: bool = True,
    **kwargs
)

参数：

model_name (string) -

用于编码的 Sentence Transformer 模型名称。默认值为 all-MiniLM-L6-v2。您可以使用 Sentence Transformers 的任意预训练模型。有关可用模型列表，请参见预训练模型。
batch_size (int) -

用于计算的批处理大小。
query_instruction (string) -

在查询文本前添加上下文指令，以提升特定模型的嵌入质量（例如："Represent the Wikipedia question for retrieving supporting documents:"）。
doc_instruction (string) -

在文档文本前添加上下文指令，以提升特定模型的嵌入质量（例如："Represent the Wikipedia document for retrieval:"）。
device (string) -

要使用的设备，其中 cpu 表示 CPU，cuda:n 表示第 n 个 GPU 设备。
normalize_embeddings (bool)

是否将返回的向量归一化为长度 1。在这种情况下，可以使用速度更快的点积（util.dot_score）而不是余弦相似度。
**kwargs

允许向模型初始化传递其他关键字参数。更多信息，请参见 SentenceTransformer。

示例

python
from pymilvus import model

sentence_transformer_ef = model.dense.SentenceTransformerEmbeddingFunction(
    model_name='all-MiniLM-L6-v2', # Specify the model name
    device='cpu' # Specify the device to use, e.g., 'cpu' or 'cuda:0'
)

构造函数​

示例​

构造函数

示例