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:

  • 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埋め込みモデル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:

  • ValueError

    api_key が指定されておらず、NOMIC_API_KEY 環境変数も設定されていない場合に、この例外が発生します。

例​

python
from pymilvus.model.dense import NomicEmbeddingFunction

ef = NomicEmbeddingFunction(
    model_name="nomic-embed-text-v1.5", # Defaults to `mistral-embed`
    api_key="NOMIC_API_KEY" # Provide your Nomic API key
)

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

query_embeddings = ef.encode_queries(queries)

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

# Embeddings: [array([ 3.24096680e-02,  7.35473600e-02, -1.63940430e-01, -4.45556640e-02,
#         7.83081050e-02,  2.64587400e-02,  1.35898590e-03, -1.59606930e-02,
#        -3.33557130e-02,  1.05056760e-02, -2.35290530e-02,  2.23388670e-02,
#         ...
#         7.67211900e-02,  4.54406740e-02,  9.70459000e-02,  4.00161740e-03,
#        -3.12805180e-02, -7.05566400e-02,  5.04760740e-02,  5.22766100e-02,
#        -3.87878400e-02, -3.03649900e-03,  5.90515140e-03, -1.95007320e-02])]
# Dim 768 (768,)
Ctrl I