Sentence Transformers: all-MiniLM-L12-v2
Sentence Transformers all-MiniLM-L12-v2 เข้ารหัสประโยคและย่อหน้าสั้นเป็นเวกเตอร์ 384 มิติสำหรับการค้นหา ความคล้าย และการจัดกลุ่ม วิธีอ้างอิงใช้การรวมแบบเฉลี่ยและ normalization โดยค่าเริ่มต้นตัดที่ 256 หน่วย word piece
เกี่ยวกับโมเดล
คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก
all-MiniLM-L12-v2 เป็นตัวเข้ารหัสประโยคและย่อหน้าสั้นของ Sentence Transformers สร้างเวกเตอร์หนาแน่น 384 มิติหนึ่งตัวต่อข้อความสำหรับการค้นหาเชิงความหมาย ค้นคืนข้อมูล จัดกลุ่ม และความคล้ายประโยค โมเดลใช้โครงข่ายหลัก MiniLM-L12-H384-uncased และปรับแต่งด้วยการเรียนรู้แบบเปรียบต่างบนคอลเล็กชันคู่ประโยคหนึ่งพันล้านคู่
เข้ารหัสหน่วยที่ต้องการค้นคืน
ใช้ประโยคหรือย่อหน้าสั้นที่แสดงใจความมีประโยชน์หนึ่งเรื่อง สำหรับคอลเล็กชันคำอธิบายสินค้า ให้คงคุณสมบัติและเงื่อนไขที่แยกรายการ “อะแดปเตอร์เชื่อมเฮดเซ็ตมีสายกับพอร์ต USB-C” ให้ข้อมูลมากกว่า “อุปกรณ์เสริมด้านเสียง” เก็บตัวระบุระเบียนและคำอธิบายต้นฉบับข้างเวกเตอร์
จากนั้นเปรียบเทียบคำค้นกับคำอธิบายที่เข้ารหัสได้ ตรวจตัวเลือกที่คืนมาสำหรับข้อกำหนดตรง เช่น ชนิดขั้วต่อหรือความเข้ากันได้ของอุปกรณ์ ก่อนเสนอทางเลือกสุดท้าย เวกเตอร์แทนความหมายของข้อความ แอปพลิเคชันค้นหารอบข้างเป็นผู้ค้นคืนระเบียนที่สอดคล้อง
การรวมแบบเฉลี่ยและเวกเตอร์ที่ผ่าน normalization
ตัวอย่างเข้ารหัสที่เผยแพร่เฉลี่ยตัวแทนโทเคนด้วย attention mask ทำให้ตำแหน่ง padding ไม่ร่วมค่าเฉลี่ย แล้วใช้ L2 normalization ขั้นตอนเหล่านี้เป็นส่วนหนึ่งของวิธีอ้างอิงเพื่อรับเวกเตอร์ประโยค ไม่ใช่คำสั่งให้เลือกโทเคนใดก็ได้จาก transformer เบื้องล่าง
ให้การกำหนดค่าโมเดล การรวมตัวแทน และ normalization สม่ำเสมอระหว่างข้อความในดัชนีกับคำค้นใหม่ ตัวแทน 384 องค์ประกอบที่ได้เปรียบเทียบด้วยความคล้ายโคไซน์ได้ เก็บบันทึกการกำหนดค่านั้นไว้กับคอลเล็กชัน ตัวเข้ารหัส 384 มิติอีกตัวไม่ได้เข้ากันได้เพียงเพราะความยาวเวกเตอร์เท่ากัน
ความยาวอินพุตเริ่มต้นและขอบเขตฝึก
ผู้ผลิตกำหนดว่าค่าเริ่มต้นตัดเมื่อเกิน 256 หน่วย word piece นี่คือขีดจำกัด tokenizer ไม่ใช่จำนวนคำหรืออักขระปกติ สำหรับระเบียนยาว ให้เลือกส่วนสั้นที่เชื่อมโยงกัน และรักษาหัวข้อหรือรายละเอียดระบุตัวตนที่จำเป็นต่อการตีความแต่ละส่วน
กระบวนการฝึกใช้ลำดับยาวไม่เกิน 128 โทเคน การตั้งค่าฝึกนั้นแยกจากค่าเริ่มต้น 256 หน่วย word piece ที่เผยแพร่สำหรับเข้ารหัส ย่อหน้าที่พอดีค่าเริ่มต้นยังอาจต่างจากข้อความประโยคสั้นที่ใช้ฝึกมาก จึงควรประเมินคำอธิบายยาวหรือเฉพาะทางด้วยตัวอย่างที่เป็นตัวแทน
เวิร์กโฟลว์ความคล้ายและการจัดกลุ่ม
สำหรับชุดข้อความสนับสนุน เอ็มเบดดิงเป็นอินพุตเชิงตัวเลขของขั้นตอนจัดกลุ่มได้ ตรวจหลายข้อความจากแต่ละกลุ่มที่เสนอและข้อความใกล้ขอบก่อนกำหนดป้ายที่คนอ่านรู้เรื่อง สำหรับตรวจเนื้อหาซ้ำ ให้ค้นคืนระเบียนคล้ายกันและเปรียบเทียบถ้อยคำจริง ย่อหน้าสองชิ้นอาจพูดเรื่องเดียวกันแต่ให้คำสั่งต่างกัน
รุ่น L12-v2 ที่ตรงนี้เป็นโปรไฟล์เอ็มเบดดิงประโยคภาษาอังกฤษ แยกจาก all-MiniLM-L6-v2 และเช็กพอยต์ paraphrase-MiniLM ชื่อตระกูลร่วมไม่ได้ถ่ายโอนการกำหนดค่าลำดับหรือวิธีรวมตัวแทน ใช้เวกเตอร์หนาแน่นกระชับร่วมกับระเบียนต้นฉบับและการประเมินเฉพาะงาน แทนการถือค่าความคล้ายเป็นคำตอบที่ตรวจแล้วหรือการตัดสินใจบรรณาธิการสุดท้าย
Ailoot Ultra · เอ็มเบดดิง POST /v1/embeddings sentence-transformers/all-minilm-l12-v2
sentence-transformers/all-minilm-l12-v2
sentence-transformers/all-minilm-l12-v2เริ่มต้น
Sentence Transformers all-MiniLM-L12-v2 เข้ารหัสประโยคและย่อหน้าสั้นเป็นเวกเตอร์ 384 มิติสำหรับการค้นหา ความคล้าย และการจัดกลุ่ม วิธีอ้างอิงใช้การรวมแบบเฉลี่ยและ normalization โดยค่าเริ่มต้นตัดที่ 256 หน่วย word piece
- อินพุตที่รองรับ
- ข้อความ · token_ids
- ผลลัพธ์
- embedding
ใช้งานได้ใน Ailoot · อินพุตและเมธอด
Ailoot Ultra · เอ็มเบดดิง POST /v1/embeddings
- ขาเข้า
text,token_ids- ขาออก
embedding- รูปแบบเอาต์พุต
- json
| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
|---|---|---|---|---|
ฟิลด์model | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด sentence-transformers/all-minilm-l12-v2 | ค่าเริ่มต้น— |
ฟิลด์input | ประเภทstring|string[]|integer[]|integer[][] | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด จำนวนรายการขั้นต่ำ: 1 เงื่อนไข: ชุดข้อมูลต้องไม่ว่างและประกอบด้วยข้อมูลชนิดเดียวกัน ID โทเคนต้องเป็นจำนวนเต็มที่ไม่ติดลบ โควตาอินพุต: สูงสุด: 512 · หน่วยข้อความ: ไบต์ UTF8 · หน่วยโทเค็น: องค์ประกอบในอาร์เรย์โทเค็น | ค่าเริ่มต้น— |
ฟิลด์encoding_format | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด float | ค่าเริ่มต้นfloat |
ฟิลด์dimensions | ประเภทinteger | ข้อกำหนดไม่รองรับ | ค่าและข้อจำกัด ขั้นต่ำ: 1 | ค่าเริ่มต้น— |
ฟิลด์user | ประเภทjson_value | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด เงื่อนไข: ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล | ค่าเริ่มต้น— |
ฟิลด์session_id | ประเภทjson_value | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด เงื่อนไข: ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล | ค่าเริ่มต้น— |
ฟิลด์trace | ประเภทjson_value | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด เงื่อนไข: ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล | ค่าเริ่มต้น— |
ฟิลด์provider | ประเภทobject | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด เงื่อนไข: provider.options ถูกปฏิเสธ | ค่าเริ่มต้น— |
ชุดผสมของสื่ออินพุต
text_to_embedding
พารามิเตอร์และวงจรการทำงานของเมธอด
| พารามิเตอร์ | ข้อกำหนด |
|---|---|
พารามิเตอร์content_type | ข้อกำหนดapplication/json |
พารามิเตอร์required | ข้อกำหนดmodel, input |
พารามิเตอร์input_shapes | ข้อกำหนดstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
พารามิเตอร์encoding_format | ข้อกำหนดfloat |
พารามิเตอร์dimensions_override | ข้อกำหนดfalse |
พารามิเตอร์max_input_budget_units | ข้อกำหนด512 |
พารามิเตอร์multimodal_objects | ข้อกำหนดfalse |
พารามิเตอร์material_types | ข้อกำหนดtext, token_ids |
วงจรการทำงาน: synchronous_json
เก็บดัชนีและจำนวนมิติของเวกเตอร์ทุกรายการ
ชื่อโมเดลที่สื่อว่ารองรับข้อมูลหลายรูปแบบไม่ได้ทำให้สามารถส่งออบเจ็กต์รูปภาพผ่านเส้นทางเฉพาะนี้ได้
ราคา
ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก
- โหมดรวดเร็ว
- ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว
- โหมดยืดหยุ่น
- ไม่ได้ระบุ เมื่อเลือกโหมด flex
- ระดับการใช้เหตุผลสูงสุด
- ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด
อัตราค่าบริการ Ailoot
ราคาตามการตั้งค่า
| การตั้งค่า | ตารางอัตราค่าบริการ | ค่าบริการ |
|---|---|---|
| การตั้งค่าอัตราราคาพื้นฐานของโทเคน | ตารางอัตราค่าบริการอัตราพื้นฐาน | ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.00001 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0 / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น |
Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →
ตัวอย่างคำขอ
Ailoot Ultra · เอ็มเบดดิง
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "sentence-transformers/all-minilm-l12-v2", "input": ["First document", "Second document"]}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
from openai import OpenAI
import os
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='sentence-transformers/all-minilm-l12-v2',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
รับและบันทึกผลลัพธ์
Ailoot Ultra · เอ็มเบดดิง
json
เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด
เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน
เก็บเวกเตอร์ทุกรายการพร้อมดัชนีของแต่ละรายการ จำนวนเวกเตอร์ต้องเท่ากับจำนวนข้อมูลนำเข้า และจำนวนมิติต้องสอดคล้องกัน
เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ
ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล
ฟิลด์การตอบกลับ
| ฟิลด์ | ประเภท |
|---|---|
ฟิลด์object | ประเภทstring |
ฟิลด์model | ประเภทstring |
ฟิลด์data[].index | ประเภทinteger |
ฟิลด์data[].embedding | ประเภทfinite float[] |
ฟิลด์usage | ประเภทobject |
ข้อผิดพลาดและขั้นตอนถัดไป
| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
|---|---|---|
การตอบกลับ400 · invalid_request_error | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |
ชื่ออื่น
ชื่ออื่นของโมเดล
Ailoot Ultra sentence-transformers/all-minilm-l12-v2
ชื่อพาธเมธอดอื่น
ใช้พาธเมธอดที่แสดงด้านบน
ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล
FAQ · Sentence Transformers: all-MiniLM-L12-v2
- มีอินพุตและผลลัพธ์ใดบ้าง?
POST /v1/embeddings·sentence-transformers/all-minilm-l12-v2:text,token_ids→embedding- คำขอใช้ฟิลด์ใดบ้าง?
POST /v1/embeddings·sentence-transformers/all-minilm-l12-v2:model,input,encoding_format,provider- มีข้อจำกัดใดบ้าง?
POST /v1/embeddings·sentence-transformers/all-minilm-l12-v2:input.budget.maximum:512(ไบต์ UTF8);input.min_items:1