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

Data infrastructure for machine learning embeddings.

ویژگی	مقدار
سیستم عامل	-
نام فایل	embeddinghub-0.0.1.post9
نام	embeddinghub
نسخه کتابخانه	0.0.1.post9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	featureform
ایمیل نویسنده	hello@featureform.com
آدرس صفحه اصلی	https://github.com/featureform/embeddinghub
آدرس اینترنتی	https://pypi.org/project/embeddinghub/
مجوز	-

<h1 align="center"> <img width="300" src="https://raw.githubusercontent.com/featureform/embeddings/main/assets/featureform_logo.png" alt="featureform"> <br> </h1> <div align="center"> <a href="https://github.com/featureform/embeddings/actions"><img src="https://img.shields.io/badge/featureform-workflow-blue?style=for-the-badge&logo=appveyor" alt="Embedding Store workflow"></a> <a href="https://pypi.org/project/embeddingstore/" target="_blank"><img src="https://img.shields.io/pypi/dm/embeddingstore?style=for-the-badge&logo=appveyor" alt="PyPi Downloads"></a> <a href="https://featureform-community.slack.com/ssb/redirect" target="_blank"><img src="https://img.shields.io/badge/Join-Slack-blue?style=for-the-badge&logo=appveyor" alt="Featureform Slack"></a> <br> <a href="https://www.python.org/downloads/" target="_blank"><img src="https://img.shields.io/badge/python-3.6%20|%203.7|%203.8-brightgreen.svg" alt="Python supported"></a> <a href="https://pypi.org/project/EmbeddingStore/" target="_blank"><img src="https://badge.fury.io/py/EmbeddingStore.svg" alt="PyPi Version"></a> <a href="https://www.featureform.com/"><img src="https://img.shields.io/website?url=https%3A%2F%2Fwww.featureform.com%2F?style=for-the-badge&logo=appveyor" alt="featureform Website"></a> <a href="https://twitter.com/featureformML" target="_blank"><img src="https://img.shields.io/twitter/url/http/shields.io.svg?style=social" alt="Twitter"></a> </div> <div align="center"> <h3 align="center"> <a href="https://www.featureform.com/">Website</a> <span> | </span> <a href="https://docs.featureform.com/v/main/">Docs</a> <span> | </span> <a href="https://apidocs.featureform.com/">API Docs</a> <span> | </span> <a href="https://featureform-community.slack.com/ssb/redirect">Community forum</a> </h3> </div> [Embedding Hub](https://featureform.com/) is an open-source embedding management and storage solution. ## Features * **Supported Operations**: Run approximate nearest neighbor lookups, average multiple embeddings, partition tables (spaces), cache locally while training, and more. * **Storage**: Store and index billions vectors embeddings from our storage layer. * **Versioning**: Create, manage, and rollback different versions of your embeddings. * **Access Control**: Encode different business logic and user management directly into the embedding hub. * **Monitoring**: Keep track of how embeddings are being used, latency, throughput, and feature drift over time. ## Try it out * [Quickstart](https://docs.featureform.com/quickstart) * [Explore our docs](https://docs.featureform.com/) ## Contributing * To contribute to Embedding Hub, please check out [Contribution docs](https://github.com/featureform/embeddings/blob/main/CONTRIBUTING.md). * Welcome to our awesome community, please join our [Slack community](https://featureform-community.slack.com/ssb/redirect). ## Report Issues Please help us by [reporting any issues](https://github.com/featureform/embeddings/issues/new/choose) you may have while using Embedding Hub. ## License * [Mozilla Public License Version 2.0](https://github.com/featureform/embeddings/blob/main/LICENSE)

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl embeddinghub-0.0.1.post9:

pip install embeddinghub-0.0.1.post9.whl

نصب پکیج tar.gz embeddinghub-0.0.1.post9:

pip install embeddinghub-0.0.1.post9.tar.gz