Το E5-Base-v2 είναι το αγγλικό μοντέλο embeddings της intfloat με δώδεκα στρώσεις και αναπαράσταση 768 διαστάσεων. Μετατρέπει προετοιμασμένο κείμενο σε ένα αριθμητικό διάνυσμα για ανάκτηση, σημασιολογική σύγκριση ή χρήση ως χαρακτηριστικών σε άλλη εργασία. Το checkpoint Base v2 είναι διακριτό από την έκδοση Large v2 των είκοσι τεσσάρων στρώσεων και 1024 διαστάσεων και από τα χωριστά εκπαιδευμένα πολυγλωσσικά μοντέλα E5.
Το E5 αναμένει έναν ρόλο στην αρχή της εισόδου. Για ανάκτηση αποσπασμάτων, ένα ερώτημα ξεκινά με «query:» και η πιθανή πηγή που περιέχει την απάντησή του ξεκινά με «passage:». Ο κατασκευαστής συνιστά «query:» και στις δύο πλευρές για συμμετρικές εργασίες όπως σημασιολογική ομοιότητα και ανάκτηση παραφράσεων. Συνιστά επίσης αυτό το πρόθεμα όταν τα διανύσματα θα χρησιμοποιηθούν ως χαρακτηριστικά για ομαδοποίηση ή ταξινόμηση.
Για παράδειγμα, μια συλλογή σχολίων μπορεί να περιέχει πολλά διαφορετικά διατυπωμένα αιτήματα για την ίδια βελτίωση. Κωδικοποιήστε αυτές τις εγγραφές με την προτεινόμενη συμμετρική προετοιμασία και κατόπιν συγκρίνετε ή ομαδοποιήστε τα διανύσματα που προκύπτουν. Κρατήστε την αρχική διατύπωση και το αναγνωριστικό εγγραφής μαζί με κάθε αναπαράσταση, ώστε μια ομάδα να εξετάζεται ως πραγματικά μηνύματα πελατών αντί για ανεξήγητη ομάδα αριθμών.
Για μια συλλογή αναζήτησης, προετοιμάστε ερωτήματα και αποσπάσματα πηγής στους αντίστοιχους ρόλους τους. Ένα χρήσιμο ερώτημα είναι «query: Which setting changes the notification frequency?». Το απόσπασμα του corpus διατηρεί την εξήγηση και τις σχετικές συνθήκες της. Το πρόθεμα αποτελεί μέρος της προετοιμασίας εκπαίδευσης του μοντέλου· ο κατασκευαστής σημειώνει ότι η παράλειψή του μειώνει την απόδοση.
Το επίσημο παράδειγμα υπολογίζει μέσο όρο των αναπαραστάσεων tokens λαμβάνοντας υπόψη τη μάσκα προσοχής και αποκλείοντας το padding, και στη συνέχεια κανονικοποιεί το διάνυσμα που προκύπτει. Ένα εσωτερικό γινόμενο μεταξύ κανονικοποιημένων embeddings παρέχει ομοιότητα συνημιτόνου. Οι 768 τιμές εξόδου περιγράφουν ένα κείμενο· δεν είναι απάντηση, ετικέτα κλάσης ή βαθμολογία reranker ανά ζεύγος.
Σε μια ροή ομαδοποίησης, άλλο στάδιο σχηματίζει ομάδες από αυτά τα διανύσματα. Σε μια ροή ταξινόμησης, άλλο στάδιο τα χρησιμοποιεί ως χαρακτηριστικά εισόδου. Η διατήρηση αυτής της διάκρισης κάνει το αποτέλεσμα ευκολότερο στην ερμηνεία: το embedding αναπαριστά την εγγραφή, ενώ η επόμενη εργασία καθορίζει ομάδα ή ετικέτα. Χρησιμοποιήστε με συνέπεια ένα μοντέλο και μια σύμβαση προετοιμασίας για τις αναπαραστάσεις που συγκρίνονται.
Η κάρτα του μοντέλου αναφέρει ότι αυτή η έκδοση λειτουργεί μόνο για αγγλικά και περικόπτει μεγάλα κείμενα το πολύ στα 512 tokens. Προετοιμάστε συνεκτικά αποσπάσματα μέσα σε αυτό το εύρος, συμπεριλαμβανομένου του απαιτούμενου προθέματος ρόλου. Μια εκτενής κριτική, μια εκτενής αναφορά ή ένα εκτενές εγχειρίδιο πρέπει να διαιρείται γύρω από ουσιαστικές ενότητες αντί να κωδικοποιείται ως υπερμεγέθης είσοδος της οποίας η ουρά χάνεται.
Κρατήστε μια επικεφαλίδα μαζί με τις προτάσεις που εισάγει και διατηρήστε τη συνθήκη ή εξαίρεση που αλλάζει το νόημα ενός κανόνα. Για σύντομες εγγραφές όπως σχόλια, κρατήστε ολόκληρο το μήνυμα όταν χωρά. Αναγνωριστικό πηγής και έκδοση αποθηκευμένα δίπλα στο διάνυσμα επιτρέπουν σε μεταγενέστερη ενημέρωση της συλλογής να αντικαταστήσει τη σωστή εγγραφή.
Ο κατασκευαστής εξηγεί ότι η σχετική σειρά βαθμολογιών συνημιτόνου είναι σημαντικότερη από μια απόλυτη τιμή. Ένα κατώφλι φιλτραρίσματος πρέπει να αξιολογείται στα παραδείγματα της ίδιας της συλλογής, και η ομοιότητα διανυσμάτων δεν είναι βαθμονομημένη πιθανότητα μιας αντίστοιχης ετικέτας ή σωστής απάντησης. Εξετάστε κοντινές εγγραφές και γνωστές ασυμφωνίες όταν αποφασίζετε πώς θα χρησιμοποιούνται τα διανύσματα.
Το χρήσιμο παραδοτέο είναι ένα αγγλικό ευρετήριο αναζήτησης, ένα σύνολο σημασιολογικής σύγκρισης ή αριθμητικά χαρακτηριστικά κειμένου συνδεδεμένα με τις εγγραφές πηγής τους. Αυτό το προφίλ Base v2 παρέχει τις δικές του διαστάσεις, pooling και προετοιμασία ρόλων· το σχήμα διανύσματος ή η γλωσσική κάλυψη άλλης έκδοσης E5 δεν αποδεικνύουν εναλλάξιμη αναπαράσταση.
", "aboutText": "Το E5-Base-v2 είναι το αγγλικό μοντέλο embeddings της intfloat με δώδεκα στρώσεις και αναπαράσταση 768 διαστάσεων. Μετατρέπει προετοιμασμένο κείμενο σε ένα αριθμητικό διάνυσμα για ανάκτηση, σημασιολογική σύγκριση ή χρήση ως χαρακτηριστικών σε άλλη εργασία. Το checkpoint Base v2 είναι διακριτό από την έκδοση Large v2 των είκοσι τεσσάρων στρώσεων και 1024 διαστάσεων και από τα χωριστά εκπαιδευμένα πολυγλωσσικά μοντέλα E5.\n\n### Χρησιμοποιήστε τα προθέματα ρόλων της εκπαίδευσης\n\nΤο E5 αναμένει έναν ρόλο στην αρχή της εισόδου. Για ανάκτηση αποσπασμάτων, ένα ερώτημα ξεκινά με «query:» και η πιθανή πηγή που περιέχει την απάντησή του ξεκινά με «passage:». Ο κατασκευαστής συνιστά «query:» και στις δύο πλευρές για συμμετρικές εργασίες όπως σημασιολογική ομοιότητα και ανάκτηση παραφράσεων. Συνιστά επίσης αυτό το πρόθεμα όταν τα διανύσματα θα χρησιμοποιηθούν ως χαρακτηριστικά για ομαδοποίηση ή ταξινόμηση.\n\nΓια παράδειγμα, μια συλλογή σχολίων μπορεί να περιέχει πολλά διαφορετικά διατυπωμένα αιτήματα για την ίδια βελτίωση. Κωδικοποιήστε αυτές τις εγγραφές με την προτεινόμενη συμμετρική προετοιμασία και κατόπιν συγκρίνετε ή ομαδοποιήστε τα διανύσματα που προκύπτουν. Κρατήστε την αρχική διατύπωση και το αναγνωριστικό εγγραφής μαζί με κάθε αναπαράσταση, ώστε μια ομάδα να εξετάζεται ως πραγματικά μηνύματα πελατών αντί για ανεξήγητη ομάδα αριθμών.\n\nΓια μια συλλογή αναζήτησης, προετοιμάστε ερωτήματα και αποσπάσματα πηγής στους αντίστοιχους ρόλους τους. Ένα χρήσιμο ερώτημα είναι «query: Which setting changes the notification frequency?». Το απόσπασμα του corpus διατηρεί την εξήγηση και τις σχετικές συνθήκες της. Το πρόθεμα αποτελεί μέρος της προετοιμασίας εκπαίδευσης του μοντέλου· ο κατασκευαστής σημειώνει ότι η παράλειψή του μειώνει την απόδοση.\n\n### Συνδυάστε με pooling και συγκρίνετε την αναπαράσταση\n\nΤο επίσημο παράδειγμα υπολογίζει μέσο όρο των αναπαραστάσεων tokens λαμβάνοντας υπόψη τη μάσκα προσοχής και αποκλείοντας το padding, και στη συνέχεια κανονικοποιεί το διάνυσμα που προκύπτει. Ένα εσωτερικό γινόμενο μεταξύ κανονικοποιημένων embeddings παρέχει ομοιότητα συνημιτόνου. Οι 768 τιμές εξόδου περιγράφουν ένα κείμενο· δεν είναι απάντηση, ετικέτα κλάσης ή βαθμολογία reranker ανά ζεύγος.\n\nΣε μια ροή ομαδοποίησης, άλλο στάδιο σχηματίζει ομάδες από αυτά τα διανύσματα. Σε μια ροή ταξινόμησης, άλλο στάδιο τα χρησιμοποιεί ως χαρακτηριστικά εισόδου. Η διατήρηση αυτής της διάκρισης κάνει το αποτέλεσμα ευκολότερο στην ερμηνεία: το embedding αναπαριστά την εγγραφή, ενώ η επόμενη εργασία καθορίζει ομάδα ή ετικέτα. Χρησιμοποιήστε με συνέπεια ένα μοντέλο και μια σύμβαση προετοιμασίας για τις αναπαραστάσεις που συγκρίνονται.\n\n### Εργαστείτε με αγγλικά και μέσα σε 512 tokens\n\nΗ κάρτα του μοντέλου αναφέρει ότι αυτή η έκδοση λειτουργεί μόνο για αγγλικά και περικόπτει μεγάλα κείμενα το πολύ στα 512 tokens. Προετοιμάστε συνεκτικά αποσπάσματα μέσα σε αυτό το εύρος, συμπεριλαμβανομένου του απαιτούμενου προθέματος ρόλου. Μια εκτενής κριτική, μια εκτενής αναφορά ή ένα εκτενές εγχειρίδιο πρέπει να διαιρείται γύρω από ουσιαστικές ενότητες αντί να κωδικοποιείται ως υπερμεγέθης είσοδος της οποίας η ουρά χάνεται.\n\nΚρατήστε μια επικεφαλίδα μαζί με τις προτάσεις που εισάγει και διατηρήστε τη συνθήκη ή εξαίρεση που αλλάζει το νόημα ενός κανόνα. Για σύντομες εγγραφές όπως σχόλια, κρατήστε ολόκληρο το μήνυμα όταν χωρά. Αναγνωριστικό πηγής και έκδοση αποθηκευμένα δίπλα στο διάνυσμα επιτρέπουν σε μεταγενέστερη ενημέρωση της συλλογής να αντικαταστήσει τη σωστή εγγραφή.\n\n### Ερμηνεύστε την ομοιότητα για την εργασία\n\nΟ κατασκευαστής εξηγεί ότι η σχετική σειρά βαθμολογιών συνημιτόνου είναι σημαντικότερη από μια απόλυτη τιμή. Ένα κατώφλι φιλτραρίσματος πρέπει να αξιολογείται στα παραδείγματα της ίδιας της συλλογής, και η ομοιότητα διανυσμάτων δεν είναι βαθμονομημένη πιθανότητα μιας αντίστοιχης ετικέτας ή σωστής απάντησης. Εξετάστε κοντινές εγγραφές και γνωστές ασυμφωνίες όταν αποφασίζετε πώς θα χρησιμοποιούνται τα διανύσματα.\n\nΤο χρήσιμο παραδοτέο είναι ένα αγγλικό ευρετήριο αναζήτησης, ένα σύνολο σημασιολογικής σύγκρισης ή αριθμητικά χαρακτηριστικά κειμένου συνδεδεμένα με τις εγγραφές πηγής τους. Αυτό το προφίλ Base v2 παρέχει τις δικές του διαστάσεις, pooling και προετοιμασία ρόλων· το σχήμα διανύσματος ή η γλωσσική κάλυψη άλλης έκδοσης E5 δεν αποδεικνύουν εναλλάξιμη αναπαράσταση.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9af747b2f79962443e74e3e18daa6849584eadcb781b4134ce442550300e3b81", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "el", "methods": [ { "html": "intfloat/e5-base-v2Το intfloat E5-Base-v2 μετατρέπει αγγλικό κείμενο σε embeddings 768 διαστάσεων με κωδικοποιητή 12 στρώσεων. Τα προθέματα query/passage και ένα παράθυρο 512 tokens ορίζουν την προετοιμασία του για αναζήτηση, σύγκριση παραφράσεων, ομαδοποίηση και χαρακτηριστικά κειμένου.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το E5-Base-v2 είναι το αγγλικό μοντέλο embeddings της intfloat με δώδεκα στρώσεις και αναπαράσταση 768 διαστάσεων. Μετατρέπει προετοιμασμένο κείμενο σε ένα αριθμητικό διάνυσμα για ανάκτηση, σημασιολογική σύγκριση ή χρήση ως χαρακτηριστικών σε άλλη εργασία. Το checkpoint Base v2 είναι διακριτό από την έκδοση Large v2 των είκοσι τεσσάρων στρώσεων και 1024 διαστάσεων και από τα χωριστά εκπαιδευμένα πολυγλωσσικά μοντέλα E5.
Το E5 αναμένει έναν ρόλο στην αρχή της εισόδου. Για ανάκτηση αποσπασμάτων, ένα ερώτημα ξεκινά με «query:» και η πιθανή πηγή που περιέχει την απάντησή του ξεκινά με «passage:». Ο κατασκευαστής συνιστά «query:» και στις δύο πλευρές για συμμετρικές εργασίες όπως σημασιολογική ομοιότητα και ανάκτηση παραφράσεων. Συνιστά επίσης αυτό το πρόθεμα όταν τα διανύσματα θα χρησιμοποιηθούν ως χαρακτηριστικά για ομαδοποίηση ή ταξινόμηση.
Για παράδειγμα, μια συλλογή σχολίων μπορεί να περιέχει πολλά διαφορετικά διατυπωμένα αιτήματα για την ίδια βελτίωση. Κωδικοποιήστε αυτές τις εγγραφές με την προτεινόμενη συμμετρική προετοιμασία και κατόπιν συγκρίνετε ή ομαδοποιήστε τα διανύσματα που προκύπτουν. Κρατήστε την αρχική διατύπωση και το αναγνωριστικό εγγραφής μαζί με κάθε αναπαράσταση, ώστε μια ομάδα να εξετάζεται ως πραγματικά μηνύματα πελατών αντί για ανεξήγητη ομάδα αριθμών.
Για μια συλλογή αναζήτησης, προετοιμάστε ερωτήματα και αποσπάσματα πηγής στους αντίστοιχους ρόλους τους. Ένα χρήσιμο ερώτημα είναι «query: Which setting changes the notification frequency?». Το απόσπασμα του corpus διατηρεί την εξήγηση και τις σχετικές συνθήκες της. Το πρόθεμα αποτελεί μέρος της προετοιμασίας εκπαίδευσης του μοντέλου· ο κατασκευαστής σημειώνει ότι η παράλειψή του μειώνει την απόδοση.
Το επίσημο παράδειγμα υπολογίζει μέσο όρο των αναπαραστάσεων tokens λαμβάνοντας υπόψη τη μάσκα προσοχής και αποκλείοντας το padding, και στη συνέχεια κανονικοποιεί το διάνυσμα που προκύπτει. Ένα εσωτερικό γινόμενο μεταξύ κανονικοποιημένων embeddings παρέχει ομοιότητα συνημιτόνου. Οι 768 τιμές εξόδου περιγράφουν ένα κείμενο· δεν είναι απάντηση, ετικέτα κλάσης ή βαθμολογία reranker ανά ζεύγος.
Σε μια ροή ομαδοποίησης, άλλο στάδιο σχηματίζει ομάδες από αυτά τα διανύσματα. Σε μια ροή ταξινόμησης, άλλο στάδιο τα χρησιμοποιεί ως χαρακτηριστικά εισόδου. Η διατήρηση αυτής της διάκρισης κάνει το αποτέλεσμα ευκολότερο στην ερμηνεία: το embedding αναπαριστά την εγγραφή, ενώ η επόμενη εργασία καθορίζει ομάδα ή ετικέτα. Χρησιμοποιήστε με συνέπεια ένα μοντέλο και μια σύμβαση προετοιμασίας για τις αναπαραστάσεις που συγκρίνονται.
Η κάρτα του μοντέλου αναφέρει ότι αυτή η έκδοση λειτουργεί μόνο για αγγλικά και περικόπτει μεγάλα κείμενα το πολύ στα 512 tokens. Προετοιμάστε συνεκτικά αποσπάσματα μέσα σε αυτό το εύρος, συμπεριλαμβανομένου του απαιτούμενου προθέματος ρόλου. Μια εκτενής κριτική, μια εκτενής αναφορά ή ένα εκτενές εγχειρίδιο πρέπει να διαιρείται γύρω από ουσιαστικές ενότητες αντί να κωδικοποιείται ως υπερμεγέθης είσοδος της οποίας η ουρά χάνεται.
Κρατήστε μια επικεφαλίδα μαζί με τις προτάσεις που εισάγει και διατηρήστε τη συνθήκη ή εξαίρεση που αλλάζει το νόημα ενός κανόνα. Για σύντομες εγγραφές όπως σχόλια, κρατήστε ολόκληρο το μήνυμα όταν χωρά. Αναγνωριστικό πηγής και έκδοση αποθηκευμένα δίπλα στο διάνυσμα επιτρέπουν σε μεταγενέστερη ενημέρωση της συλλογής να αντικαταστήσει τη σωστή εγγραφή.
Ο κατασκευαστής εξηγεί ότι η σχετική σειρά βαθμολογιών συνημιτόνου είναι σημαντικότερη από μια απόλυτη τιμή. Ένα κατώφλι φιλτραρίσματος πρέπει να αξιολογείται στα παραδείγματα της ίδιας της συλλογής, και η ομοιότητα διανυσμάτων δεν είναι βαθμονομημένη πιθανότητα μιας αντίστοιχης ετικέτας ή σωστής απάντησης. Εξετάστε κοντινές εγγραφές και γνωστές ασυμφωνίες όταν αποφασίζετε πώς θα χρησιμοποιούνται τα διανύσματα.
Το χρήσιμο παραδοτέο είναι ένα αγγλικό ευρετήριο αναζήτησης, ένα σύνολο σημασιολογικής σύγκρισης ή αριθμητικά χαρακτηριστικά κειμένου συνδεδεμένα με τις εγγραφές πηγής τους. Αυτό το προφίλ Base v2 παρέχει τις δικές του διαστάσεις, pooling και προετοιμασία ρόλων· το σχήμα διανύσματος ή η γλωσσική κάλυψη άλλης έκδοσης E5 δεν αποδεικνύουν εναλλάξιμη αναπαράσταση.
POST /v1/embeddingstext, token_idsembedding| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια intfloat/e5-base-v2 | Προεπιλογή— |
Πεδίοinput | Τύποςstring|string[]|integer[]|integer[][] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 Συνθήκες: Μη κενή ομοιογενής παρτίδα. Τα ID των token είναι μη αρνητικοί ακέραιοι. Προϋπολογισμός εισόδου: Μέγιστο: 512 · Μονάδα κειμένου: byte UTF8 · Μονάδα token: στοιχεία πίνακα token | Προεπιλογή— |
Πεδίοencoding_format | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια float | Προεπιλογήfloat |
Πεδίοdimensions | Τύποςinteger | ΑπαίτησηΔεν υποστηρίζεται | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
Πεδίοuser | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
Πεδίοsession_id | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
Πεδίοtrace | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίφθηκε | Προεπιλογή— |
text_to_embedding
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, input |
Παράμετροςinput_shapes | Σύμβασηstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Παράμετροςencoding_format | Σύμβασηfloat |
Παράμετροςdimensions_override | Σύμβασηfalse |
Παράμετροςmax_input_budget_units | Σύμβαση512 |
Παράμετροςmultimodal_objects | Σύμβασηfalse |
Παράμετροςmaterial_types | Σύμβασηtext, token_ids |
Κύκλος ζωής: synchronous_json
Διατηρήστε τον δείκτη και τη διάσταση κάθε διανύσματος.
Το όνομα πολυτροπικού μοντέλου δεν επιτρέπει αντικείμενα εικόνας σε αυτήν ακριβώς τη διαδρομή.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00001 / 1K token Έξοδος · Token εξόδου $0 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "intfloat/e5-base-v2", "input": ["First document", "Second document"]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.embeddings.create(model='intfloat/e5-base-v2',input=["First document","Second document"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\njson
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε διάνυσμα με τον δείκτη του. Το πλήθος των διανυσμάτων πρέπει να ισούται με το πλήθος των στοιχείων εισόδου· οι διαστάσεις πρέπει να είναι συνεπείς.
Δεν εισάγεται endpoint εργασιών ενσωμάτωσης.
| Πεδίο | Τύπος |
|---|---|
Πεδίοobject | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοdata[].index | Τύποςinteger |
Πεδίοdata[].embedding | Τύποςfinite float[] |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra intfloat/e5-base-v2
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.