معرفی شرکت ها


emb-opt-0.0.2


Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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

A lightweight framework to efficiently screen vector databases
ویژگی مقدار
سیستم عامل -
نام فایل emb-opt-0.0.2
نام emb-opt
نسخه کتابخانه 0.0.2
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Karl Heyer
ایمیل نویسنده karl@darkmatterai.co
آدرس صفحه اصلی https://github.com/DarkMatterAI/emb_opt
آدرس اینترنتی https://pypi.org/project/emb-opt/
مجوز Apache Software License 2.0
emb_opt ================ <!-- WARNING: THIS FILE WAS AUTOGENERATED! DO NOT EDIT! --> `emb_opt` uses reinforcement learning to efficiently find items in a vector database that maximize some `score_function` See the [documentation](https://darkmatterai.github.io/emb_opt/) site for documentation and tutorials ## Install ``` sh pip install emb_opt ``` ## Supported Backends The following vector databases are supported ### FAISS ``` python from emb_opt.backends.faiss import FaissDatabase vector_database = FaissDatabase(my_faiss_index, k, faiss_search_params) ``` ### Huggingface Datasets ``` python from emb_opt.backends.hf import HFDatabase my_dataset.add_faiss_index(embedding_column_name) vector_database = HFDatabase(my_dataset, embedding_column_name, k) ``` ### Qdrant ``` python from emb_opt.backends.qdrant import QdrantDatabase vector_database = QdrantDatabase(my_qdrant_client, collection_name, k, qdrant_search_params) ``` ### Chroma ``` python from emb_opt.backends.chroma import ChromaDatabase vector_database = ChromaDatabase(my_chroma_collection, k, chroma_query_kwargs) ``` ## Basic Usage For more detail on the API, see the [basic tutorial](https://darkmatterai.github.io/emb_opt/tutorials/basic_example.html) ``` python from emb_opt.core import Score from emb_opt.runner import Runner from emb_opt.query_update import RLUpdate score = Score(my_score_function) query_update = RLUpdate(lr=0.5) runner = Runner(vector_database, score, query_update) init_query_vectors = ... # any function to initalize query vectors iterations = 15 results_log = runner.search(init_query_vectors, iterations) ```


نیازمندی

مقدار نام
- numpy
- datasets
- faiss-cpu
- qdrant-client
- chromadb
- matplotlib


زبان مورد نیاز

مقدار نام
>=3.9 Python


نحوه نصب


نصب پکیج whl emb-opt-0.0.2:

    pip install emb-opt-0.0.2.whl


نصب پکیج tar.gz emb-opt-0.0.2:

    pip install emb-opt-0.0.2.tar.gz