معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

data2Vec是一个Python工具，用于数据向量表征。

ویژگی	مقدار
سیستم عامل	-
نام فایل	data2vec-0.0.3
نام	data2vec
نسخه کتابخانه	0.0.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Xuehang Cang
ایمیل نویسنده	xuehangcang@outlook.com
آدرس صفحه اصلی	https://github.com/xuehangcang/data2vec
آدرس اینترنتی	https://pypi.org/project/data2vec/
مجوز	MIT License

# data2vec data2Vec是一个Python工具，用于数据向量表征。它可以将任何形式的数据转换为向量矩阵，并能够将这些向量存储在向量数据库中以供后续使用。使用data2Vec，您可以轻松地处理各种数据类型，如文本、图像、音频等，并将其转换为向量表示形式，以便于特征提取、相似度计算、聚类等任务 ## 安装 ``` pip install data2Vec ``` ## 使用 ```python from data2vec import Img2Vec # img2vec = Img2Vec() # 向量数据单个 # vec = img2vec.get_vec('../data/cat.0.jpg') # print(vec) # 向量数据多个 # vec = img2vec.get_list_vec('../data') # print(vec) ``` ## 支持模型 | Model name | Return vector length | |------------|----------------------| | Alexnet | 1000 | | Resnet-18 | 1000 | | Resnet-34 | 1000 | | Resnet-50 | 1000 | | Resnet-101 | 1000 | | Resnet-152 | 1000 | ## 例子 ### 图像存储到[`pinecone`](https://www.pinecone.io/)向量数据库 ```python import pinecone from data2vec import Img2Vec # https://www.pinecone.io/ pinecone.init(api_key="xxx", environment="xxx") img2vec = Img2Vec() # 存储向量数据单个 # vec = img2vec.get_vec('../data/cat.0.jpg') # index = pinecone.Index("xxx") # index.upsert(vec) # fetch_response = index.fetch(ids=["cat.0.jpg"]) # print(fetch_response) # 存储向量数据多个 # vec = img2vec.get_list_vec('../data') # index = pinecone.Index("xxx") # index.upsert(vec) # fetch_response = index.fetch(ids=["cat.0.jpg"]) # print(fetch_response) # 相似度查询 index = pinecone.Index("xxx") vec = img2vec.get_vec('../data/cat.0.jpg') r = index.query( vector=vec[0][1], top_k=5, ) print(r) """ Using cuda device resnet18 model loaded {'matches': [{'id': 'cat.0.jpg', 'score': 1.0, 'values': []}, {'id': 'cat.7.jpg', 'score': 0.70519489, 'values': []}, {'id': 'cat.20.jpg', 'score': 0.696186125, 'values': []}, {'id': 'cat.14.jpg', 'score': 0.691424072, 'values': []}, {'id': 'cat.8.jpg', 'score': 0.686835527, 'values': []}], 'namespace': ''} """

نحوه نصب

نصب پکیج whl data2vec-0.0.3:

pip install data2vec-0.0.3.whl

نصب پکیج tar.gz data2vec-0.0.3:

pip install data2vec-0.0.3.tar.gz