EmbeddingList

EmbeddingList 实例表示向量嵌入列表。您可以使用 EmbeddingList 实例构建查询向量，以便在 Array of Structs 字段中的向量字段上执行搜索。

python

class pymilvus.EmbeddingList

构造函数

构造一个空的嵌入列表，或由给定向量嵌入组成的列表。

python

EmbeddingList(
    embeddings: Optional[Union[np.ndarray, List[np.ndarray]],
    dim: Optional[int],
    dtype: Optional[Union[np.dtype, str, DataType]]
)

参数：

• embeddings (np.ndarray, List[np.ndarray) -

  向量嵌入列表，可以是以下任一类型：

  • 形状为 (n, dim) 的 np.ndarray，表示由多个向量嵌入组成的列表

  • 形状为 (dim,) 的 np.ndarray，表示单个向量嵌入

  • List[np.ndarray]，表示向量嵌入数组列表

• dim (int) -

  embedding 参数中指定的向量嵌入的维度，用于验证。

  如果提供了该参数，则所有指定的向量嵌入都必须符合该维度限制。

• dtype (np.dtype, str, DataType) -

  • np.dtype，例如 np.float32、np.float16 或 np.unit8

  • string，例如 'float32'、'float16' 或 'uint8'

  • DataType，例如 DataType.FLOAT_VECTOR、DataType.FLOAT16_VECTOR、DataType.BFLOAT16_VECTOR、DataType.INT8_VECTOR 或 DataType.BINARY_VECTOR

返回类型：

EmbeddingList

返回：

一个 EmbeddingList 实例。

示例

python

from pymilvus import EmbeddingList

# create an empty embedding list
embeddingList1 = EmbeddingList()

# create an embedding list with a single vector embedding of 5 dimensions
embeddingList2 = EmbeddingList(
    embeddings=[0.1, 0.2, 0.3, 0.4, 0.5],
    dim=5
)

# create an embedding list with two vector embeddings, each having five dimensions
embeddingList3 = EmbeddingList(
    embeddings= [[0.1, 0.2, 0.3, 0.4, 0.5], [0.5, 0.4, 0.3, 0.2, 0.1]],
    dim=5
)