encode_queries()

此操作接收一个查询字符串列表，并将每个查询编码为一个向量嵌入。

请求语法

python

encode_queries(
    queries: List[str], 
) -> List[np.array]

参数：

• queries (List[str])

  一个字符串值列表，其中每个字符串表示一个将传递给嵌入模型进行编码的查询。模型会为列表中的每个字符串生成一个嵌入向量。

返回类型：

List[np.array]

返回值：

一个列表，其中每个元素都是一个 NumPy 数组。

异常：

• ImportError

  当未安装 model2vec 模块时，将引发此异常。

示例

python

from pymilvus import model

gemini_ef = model.dense.GeminiEmbeddingFunction(
    model_name="gemini-embedding-exp-03-07",
    api_key="YOUR_API_KEY",
)

queries = ["When was artificial intelligence founded", 
           "Where was Alan Turing born?"]

query_embeddings = gemini_ef.encode_queries(queries)

# Print embeddings
print("Embeddings:", query_embeddings)
# Print dimension and shape of embeddings
print("Dim:", gemini_ef.dim, query_embeddings[0].shape)

# Embeddings: [array([-0.02066572,  0.02459551,  0.00707774, ...,  0.00259341,
#        -0.01797572, -0.00626168], shape=(3072,)), array([ 0.00674969,  0.03023903,  0.01230692, ...,  0.00160009,
#        -0.01710967,  0.00972728], shape=(3072,))]
# Dim 3072 (3072,)