encode_queries()

この操作は、クエリ文字列のリストを受け取り、各クエリを vector embedding にエンコードします。

リクエスト構文

python
encode_queries(
    queries: List[str], 
) -> List[np.array]

パラメータ:

queries (List[str])

文字列値のリストです。各文字列は、エンコードのために embedding model に渡されるクエリを表します。モデルは、リスト内の各文字列に対して embedding vector を生成します。

戻り値の型:

List[np.array]

戻り値:

各要素が NumPy 配列であるリストです。

例外:

ValueError

複数の embedding type を指定した場合、または CohereEmbeddingFunction の初期化で int8 または uint8 データ型を使用した場合に、この例外が発生します。

例

python
from pymilvus.model.dense import CohereEmbeddingFunction

cohere_ef = CohereEmbeddingFunction(
    model_name="embed-english-light-v3.0",
    api_key=COHERE_API_KEY,
    input_type="search_document",
    embedding_types=["float"]
)

queries = ["When was artificial intelligence founded", 
           "Where was Alan Turing born?"]

query_embeddings = cohere_ef.encode_queries(queries)

print("Embeddings:", query_embeddings)
print("Dim", cohere_ef.dim, query_embeddings[0].shape)

# Embeddings: [array([-1.33361816e-02,  9.79423523e-04, -7.28759766e-02, -1.93786621e-02,
#        -9.71679688e-02,  4.34875488e-02, -9.81445312e-02,  1.16882324e-01,
#         5.89904785e-02, -4.19921875e-02,  4.95910645e-02,  5.83496094e-02,
#         3.47595215e-02, -5.87463379e-03, -7.30514526e-03,  2.92816162e-02,
# ...
#         0.00749969, -0.01192474,  0.02719116,  0.03347778,  0.07696533,
#         0.01409149,  0.00964355, -0.01681519, -0.0073204 ,  0.00043154,
#        -0.04577637,  0.03591919, -0.02807617, -0.04812622], dtype=float32)]
# Dim 384 (384,)

リクエスト構文​

例​

リクエスト構文

例