写点什么

通过 ModelScope 开源多模态 Embedding 模型进行向量生成

作者:DashVector
  • 2024-09-05
    陕西
  • 本文字数:1332 字

    阅读完需:约 4 分钟

通过ModelScope开源多模态Embedding模型进行向量生成

本文介绍如何通过ModelScope魔搭社区中的多模态表征开源模型进行 多模态向量生成 ,并入库至向量检索服务 DashVector 中进行向量检索。


ModelScope魔搭社区旨在打造下一代开源的模型即服务共享平台,为泛 AI 开发者提供灵活、易用、低成本的一站式模型服务产品,让模型应用更简单。


ModelScope 魔搭社区的愿景是汇集行业领先的预训练模型,减少开发者的重复研发成本,提供更加绿色环保、开源开放的 AI 开发环境和模型服务,助力绿色"数字经济"事业的建设。 ModelScope 魔搭社区将以开源的方式提供多类优质模型,开发者可在平台上免费体验与下载使用。


在 ModelScope 魔搭社区,您可以:


  • 免费使用平台提供的预训练模型,支持免费下载运行

  • 一行命令实现模型预测,简单快速验证模型效果

  • 用自己的数据对模型进行调优,定制自己的个性化模型

  • 学习系统性的知识,结合实训,有效提升模型研发能力

  • 分享和贡献你的想法、评论与模型,让更多人认识你,在社区中成长

前提条件

  • DashVector:

  • 已创建 Cluster

  • 已获得 API-KEY

  • 已安装最新版 SDK

  • ModelScope

  • 已安装最新版 SDK:pip install -U modelscope

CLIP 模型

简介

本项目为CLIP模型的中文版本,使用大规模中文数据进行训练( ~2 亿图文对 ),可用于图文检索和图像、文本的表征提取,应用于搜索、推荐等应用场景。


关于 CLIP 模型更多信息请参考:CLIP模型

使用示例

说明


需要进行如下替换代码才能正常运行:


  1. DashVector api-key 替换示例中的{your-dashvector-api-key}

  2. DashVector Cluster Endpoint 替换示例中的{your-dashvector-cluster-endpoint}

  3. 使用上表中 模型 ID 替换示例中的{model_id}

  4. 使用上表中 向量维度 替换示例中的{model_dim}


Python 示例:

from modelscope.utils.constant import Tasksfrom modelscope.pipelines import pipelinefrom modelscope.preprocessors.image import load_imagefrom typing import Listfrom dashvector import Client

pipeline = pipeline(task=Tasks.multi_modal_embedding, model='{model_id}')

def generate_text_embeddings(texts: List[str]): inputs = {'text': texts} result = pipeline.forward(input=inputs) return result['text_embedding'].numpy()

def generate_img_embeddings(img: str): input_img = load_image(img) inputs = {'img': input_img} result = pipeline.forward(input=inputs) return result['img_embedding'].numpy()[0]

# 创建DashVector Clientclient = Client( api_key='{your-dashvector-api-key}', endpoint='{your-dashvector-cluster-endpoint}')
# 创建DashVector Collectionrsp = client.create('CLIP-embedding', dimension={model_dim})assert rspcollection = client.get('CLIP-embedding')assert collection
# 向量入库DashVectorcollection.insert( [ ('ID1', generate_text_embeddings(['阿里云向量检索服务DashVector是性能、性价比具佳的向量数据库之一'])[0]), ('ID2', generate_img_embeddings('https://clip-cn-beijing.oss-cn-beijing.aliyuncs.com/pokemon.jpeg')) ])
# 向量检索docs = collection.query( generate_text_embeddings(['The best vector database'])[0])print(docs)
复制代码


发布于: 刚刚阅读数: 4
用户头像

DashVector

关注

还未添加个人签名 2024-05-14 加入

向量检索服务DashVector基于通义实验室自研的高效向量引擎Proxima内核,提供具备水平拓展能力的云原生、全托管的向量检索服务。

评论

发布
暂无评论
通过ModelScope开源多模态Embedding模型进行向量生成_数据库_DashVector_InfoQ写作社区