使用ONNX运行嵌入模型
项目描述
llm-embed-onnx
使用ONNX运行嵌入模型
此LLM插件是Benjamin Anderson的onnx_embedding_models的包装。
安装
在LLM相同的环境中安装此插件。
llm install llm-embed-onnx
用法
此插件添加以下嵌入模型,可以使用llm embed-models
列出
onnx-bge-micro
onnx-gte-tiny
onnx-minilm-l6
onnx-minilm-l12
onnx-bge-small
onnx-bge-base
onnx-bge-large
您可以使用llm embed
命令运行这些模型中的任何一个
llm embed -m onnx-bge-micro -c "Example content"
这将输出一个长度为384的浮点数JSON数组,从
[-0.03910085942622519, -0.0030843335461659795, 0.032797761260860724,
第一次使用这些模型中的任何一个时,模型将被下载到您的LLM数据目录中的llm_embed_onnx
目录。在macOS上,默认位置是
~/Library/Application Support/io.datasette.llm/llm_embed_onnx
有关如何使用这些嵌入模型的更多信息,请参阅LLM嵌入文档。
开发
要本地设置此插件,首先检出代码。然后创建一个新的虚拟环境
cd llm-embed-onnx
python3 -m venv venv
source venv/bin/activate
现在安装依赖项和测试依赖项
llm install -e '.[test]'
要运行测试
pytest
项目详情
下载文件
下载适合您平台的文件。如果您不确定选择哪一个,请了解更多关于 安装包 的信息。
源代码发行版
llm-embed-onnx-0.1.tar.gz (7.1 kB 查看哈希值)
构建发行版
llm_embed_onnx-0.1-py3-none-any.whl (7.4 kB 查看哈希值)
关闭
llm-embed-onnx-0.1.tar.gz 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 6b0a5ed0876193aad023a63a72a976daf4fb9250471d573c222a46c94cab819c |
|
MD5 | 4f5d51616f16ddaf3971e4dc24c0243c |
|
BLAKE2b-256 | 3d341d5c0f5ed5c34a0ee04468d3e149c827280e97c08013fe48669b5e3ed100 |
关闭
llm_embed_onnx-0.1-py3-none-any.whl 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 946a9694f046f09965e12d481220dc8a146b0f6bbabe5f37457ebe2b2d4431f0 |
|
MD5 | 8ff993d7018c5df9fd481384f9397ec7 |
|
BLAKE2b-256 | 4346f2c5df1d94e783874aa5db1bfbb80e88893dde198377a4fe501999baeec5 |