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

Easily create and search text embeddings using OpenAI's API using json for local storage. Just add dicts of info and search! Built for rapid prototyping.

ویژگی	مقدار
سیستم عامل	-
نام فایل	embedme-0.1.1
نام	embedme
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	John Partee
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/morganpartee/embedme
آدرس اینترنتی	https://pypi.org/project/embedme/
مجوز	GPL-3.0-or-later

# Embedme Embedme is a python module that allows you to easily use embeddings from text fields with OpenAI's Embedding API and store them in a local folder. It's like a lazy version of pinecone - Numpy is actually pretty fast for embeddings stuff at smaller scale, why overthink stuff? We store the data and vectors as json and build the numpy array before you search (and store it until you add more) ## Installation To install Embedme, you can use pip: ```sh pip install embedme ``` ## Setup The only thing you _must_ do before you use `embedme` is setup auth with OpenAI. We use it to embed your items and search queries, so it is required. I don't want to touch **any** of that code - just sign in how they tell you to, either in the script via a file for the key, or an environment variable for your key. [OpenAI Python Module (With Auth Instructions)](https://github.com/openai/openai-python) ## Usage Embedme provides a simple interface to use embeddings from text fields with OpenAI's Embedding API and store them in a local folder. Check out the example notebook for a better example, but useage is something like: ```py import openai import nltk from more_itertools import chunked from embedme import Embedme from tqdm import tqdm # Downloading the NLTK corpus nltk.download('gutenberg') # Creating an instance of the Embedme class embedme = Embedme(data_folder='.embedme', model="text-embedding-ada-002") # Getting the text text = nltk.corpus.gutenberg.raw('melville-moby_dick.txt') # Splitting the text into sentences sentences = nltk.sent_tokenize(text) input("Hey this call will cost you money and take a minute. Like, a few cents probably, but wanted to warn you.") for i, chunk in enumerate(tqdm(chunked(sentences, 20))): data = {'name': f'moby_dick_chunk_{i}', 'text': ' '.join(chunk)} embedme.add(data, save=False) embedme.save() ``` And to search: ```py embedme.search("lessons") ``` You can do anything you would want to with `.vectors` after you call `.prepare_search()` (or... search something, it's automatic mostly), like plot clusters, etc. ## Follow Us Some friends and I are writing about large language model stuff at [SensibleDefaults.io](https://sensibledefaults.io), honest to god free. Follow us (or star this repo!) if this helps you! ## Note Embedme uses OpenAI's Embedding API to get embeddings for text fields, so an API key is required to use it. You can get one from https://beta.openai.com/signup/ The token limit today is about 8k, so... you're probably fine

نیازمندی

مقدار	نام
>=0.26.1,<0.27.0	openai
>=1.24.1,<2.0.0	numpy

زبان مورد نیاز

مقدار	نام
>=3.10,<4.0	Python

نحوه نصب

نصب پکیج whl embedme-0.1.1:

pip install embedme-0.1.1.whl

نصب پکیج tar.gz embedme-0.1.1:

pip install embedme-0.1.1.tar.gz