2025年Chroma向量数据库

Chroma向量数据库嵌入向量 vector embedding 是表示任何类型数据的 A I 原生方式 使它们非常适合与各种 A I 驱动的工具和算法一起使用 它们可以表示文本 图像 很快还可以表示音频和视频 有许多创建嵌入的选项 无论是在本地使用已安装的库 还是通过调用 API 推荐 用

大家好,我是讯享网,很高兴认识大家。

嵌入向量(vector embedding)是表示任何类型数据的 A.I 原生方式,使它们非常适合与各种 A.I 驱动的工具和算法一起使用。 它们可以表示文本、图像,很快还可以表示音频和视频。 有许多创建嵌入的选项,无论是在本地使用已安装的库,还是通过调用 API。

在这里插入图片描述
讯享网

推荐:用 NSDT设计器 快速搭建可编程3D场景。

Chroma 是一个用于构建带有嵌入向量的 AI 应用程序的数据库。 它内置了入门所需的一切,并可在你的机器上运行。 托管版本即将推出!

1、安装Chroma数据库

使用如下命令安装Chroma数据库:

pip install chromadb 

讯享网

注意,由于 pytorch的原因,chromadb 目前不支持 Python 3.11

2、获取Chroma Client对象

在Python中使用Chroma的Client对象访问数据库:

讯享网import chromadb chroma_client = chromadb.Client() 

3、创建Chroma数据集

接下来使用Python在Chroma中创建一个集合(Collection)。

集合是存储嵌入、文档和任何其他元数据的地方。 可以创建一个具有名称的集合:

collection = chroma_client.create_collection(name="my_collection") 

4、向Chroma数据集添加文档

继续添加一些文本文档到集合中,Chroma 将存储文本,并自动处理标记化、嵌入和索引:

讯享网collection.add( documents=["This is a document", "This is another document"], metadatas=[{"source": "my_source"}, {"source": "my_source"}], ids=["id1", "id2"] ) 

如果已经自己生成了嵌入向量,则可以直接加载:

collection.add( embeddings=[[1.2, 2.3, 4.5], [6.7, 8.2, 9.2]], documents=["This is a document", "This is another document"], metadatas=[{"source": "my_source"}, {"source": "my_source"}], ids=["id1", "id2"] ) 

5、查询Chroma中的数据

现在可以进行查询了。可以用查询文本列表来查询集合,Chroma 会返回 n 个最相似的结果。 就这么简单!

讯享网results = collection.query( query_texts=["This is a query document"], n_results=2 ) 

默认情况下,存储在 Chroma 中的数据是短暂的,因此很容易制作原型脚本。 使 Chroma 持久化很容易,因此可以重复使用创建的每个集合,并在以后向其中添加更多文档。 它会在启动客户端时自动加载你的数据,并在关闭时自动保存。


原文链接:Chroma向量数据库 — BimAnt

小讯
上一篇 2025-01-13 19:14
下一篇 2025-02-21 15:49

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/80625.html