メインコンテンツまでスキップ

encode_queries()

この操作はクエリ文字列のリストを受け取り、各クエリをベクトル埋め込み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]

パラメーター:

  • 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埋め込みベクトルを生成します。

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:

  • ImportError

    model2vec モジュールがインストールされていない場合に、この例外が発生します。

例​

python
from pymilvus import model

gemini_ef = model.dense.GeminiEmbeddingFunction(
    model_name="gemini-embedding-exp-03-07",
    api_key="YOUR_API_KEY",
)

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

query_embeddings = gemini_ef.encode_queries(queries)

# Print embeddings
print("Embeddings:", query_embeddings)
# Print dimension and shape of embeddings
print("Dim:", gemini_ef.dim, query_embeddings[0].shape)

# Embeddings: [array([-0.02066572,  0.02459551,  0.00707774, ...,  0.00259341,
#        -0.01797572, -0.00626168], shape=(3072,)), array([ 0.00674969,  0.03023903,  0.01230692, ...,  0.00160009,
#        -0.01710967,  0.00972728], shape=(3072,))]
# Dim 3072 (3072,)
Ctrl I