Modul Pemvektoran dan Embedding Automatik
Pelajari cara modul pemvektoran Weaviate menukarkan objek data anda kepada vektor secara automatik semasa pengimportan, serta cara mengkonfigurasikannya bagi setiap kelas dan sifat.
Modul Pemvektoran dan Embedding Automatik ialah pelajaran Pangkalan Data Vektor: Pinecone, Weaviate & pgvector percuma di CoddyKit. Ini ialah pelajaran 4 daripada 4. Sebanyak 3 pelajaran dalam laluan pembelajaran ini boleh dibaca sepenuhnya secara percuma — selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan praktikal dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Pangkalan Data Vektor: Pinecone, Weaviate & pgvector, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Pangkalan Data Vektor: Pinecone, Weaviate & pgvector merangkumi sejumlah 4 pelajaran.
Siapa yang Mencipta Vektor?
Carian vektor memerlukan setiap objek mempunyai vektor. Anda boleh mengira pembenaman sendiri atau membenarkan Weaviate melakukannya melalui modul pemvektoran yang membenamkan objek secara automatik semasa import.
Apakah Modul Pemvektoran?
Pemvektoran ialah modul boleh pasang (contohnya text2vec-openai, text2vec-cohere, text2vec-huggingface) yang dipanggil oleh Weaviate untuk menukarkan teks kepada vektor. Anda memilihnya apabila mentakrifkan kelas.
Mengkonfigurasi Pemvektoran
Pemvektoran ditetapkan dalam skema kelas.
class_def = {
'class': 'Article',
'vectorizer': 'text2vec-openai',
'properties': [
{'name': 'title', 'dataType': ['text']},
{'name': 'body', 'dataType': ['text']}
]
}
print(class_def['vectorizer'])Pembenaman Automatik Semasa Import
Dengan pemvektoran yang telah ditetapkan, anda mengimport objek biasa dan Weaviate membenamkannya untuk anda. Anda tidak perlu memanggil API pembenaman sendiri.
- Hantar sifat objek
- Modul menjana vektor
- Objek disimpan bersama vektornya
Memilih Sifat untuk Dibenamkan
Bukan setiap sifat patut mempengaruhi vektor. Anda boleh langkau sifat (seperti ID atau cap masa) supaya hanya teks yang bermakna menyumbang kepada pembenaman.
prop = {
'name': 'sku',
'dataType': ['text'],
'moduleConfig': {'text2vec-openai': {'skip': True}}
}
print('skip embedding:', prop['moduleConfig']['text2vec-openai']['skip'])Menyertakan Nama Sifat
Secara lalai, Weaviate boleh menambahkan nama sifat di hadapan nilainya sebelum pembenaman. Menyahdayakan 'vectorizePropertyName' memastikan vektor tertumpu pada kandungan dan bukannya label medan.
Membawa Vektor Sendiri
Anda juga boleh menetapkan pemvektoran kepada 'none' dan membekalkan vektor yang telah dikira semasa import. Ini berguna apabila anda sudah menjalankan pipeline pembenaman tersuai atau memerlukan model yang tidak dihoskan oleh Weaviate.
Konfigurasi Modul
Setiap pemvektoran menerima pilihan dalam moduleConfig, seperti nama model atau dimensi. Tetapkannya pada peringkat kelas untuk mengawal cara pembenaman dihasilkan.
module_config = {
'text2vec-openai': {'model': 'text-embedding-3-small', 'type': 'text'}
}
print(module_config['text2vec-openai']['model'])Ketekalan Semasa Pertanyaan
Pemvektoran yang sama membenamkan pertanyaan anda supaya pertanyaan itu berada dalam ruang yang sama dengan objek tersimpan. Inilah sebabnya mencampurkan model atau menukar pemvektoran selepas import menjejaskan ketekalan carian.
Pertukaran Automatik berbanding Manual
Bila hendak menggunakan setiap pilihan:
- Pembenaman automatik — paling mudah, kurang kod, Weaviate menguruskan panggilan
- Vektor manual — kawalan penuh, model tersuai, prapemprosesan kelompok
Menggabungkan Semuanya
Pilih pemvektoran bagi setiap kelas, langkau sifat yang tidak berkaitan, konfigurasikan model, dan biarkan Weaviate melakukan pembenaman automatik semasa import. Atau tetapkan 'none' untuk membawa vektor sendiri. Pastikan pemvektoran konsisten antara import dan pertanyaan.
Semakan Ringkas
Uji pemahaman anda tentang pemvektoran.
Ulangan
Anda telah mempelajari bahawa Weaviate menggunakan modul pemvektoran untuk membenamkan objek secara automatik semasa import. Konfigurasikan modul bagi setiap kelas, langkau sifat yang tidak bermakna, tetapkan model dalam moduleConfig, atau gunakan 'none' untuk membawa vektor sendiri. Pastikan pemvektoran konsisten antara import dan pertanyaan untuk carian yang sah.
Pelajari Pangkalan Data Vektor: Pinecone, Weaviate & pgvector dengan tutor kecerdasan buatan — percuma
Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.
- Kursus
- 12
- Pelajaran
- 48
Soalan Lazim
Adakah pelajaran “Modul Pemvektoran dan Embedding Automatik” percuma?
Ya — sebanyak 3 pelajaran dalam laluan pembelajaran Pangkalan Data Vektor: Pinecone, Weaviate & pgvector, termasuk “Modul Pemvektoran dan Embedding Automatik”, boleh dibaca sepenuhnya secara percuma di web ini. Selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan interaktif dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Kursus Pangkalan Data Vektor: Pinecone, Weaviate & pgvector merangkumi sejumlah 4 pelajaran.
Apakah yang akan saya pelajari dalam “Modul Pemvektoran dan Embedding Automatik”?
Pelajari cara modul pemvektoran Weaviate menukarkan objek data anda kepada vektor secara automatik semasa pengimportan, serta cara mengkonfigurasikannya bagi setiap kelas dan sifat. Anda berlatih Pangkalan Data Vektor: Pinecone, Weaviate & pgvector menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.
Adakah saya memerlukan pengalaman untuk memulakan Pangkalan Data Vektor: Pinecone, Weaviate & pgvector?
Tiada pengalaman terdahulu diperlukan. Pembelajaran Pangkalan Data Vektor: Pinecone, Weaviate & pgvector di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 4 daripada 4.
Berapa lamakah pelajaran “Modul Pemvektoran dan Embedding Automatik” diambil?
Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.
Bolehkah saya menulis dan menjalankan kod dalam pelajaran Pangkalan Data Vektor: Pinecone, Weaviate & pgvector ini?
Ya. Setiap pelajaran Pangkalan Data Vektor: Pinecone, Weaviate & pgvector menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.
Semua pelajaran dalam kursus ini
- Takrifan Skema Weaviate
- Mengimport Objek Data
- Pertanyaan GraphQL Weaviate
- Modul Pemvektoran dan Embedding Automatik