Урок из полного доступа, первые уроки курса бесплатно Официальный курс OpenAI Academy на русском
Урок 264 · Текст · ~5 мин

Первые шаги с Milvus

Урок 264 из 303 курса «OpenAI Cookbook»: официальный курс OpenAI Academy (ОпенАИ) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

В этом notebook мы рассмотрим генерацию embedding'ов описаний книг с помощью OpenAI и использование этих embedding'ов в Milvus для поиска релевантных книг. Набор данных в этом примере взят из HuggingFace datasets и содержит чуть более 1 миллиона пар «название-описание».

Начнем с загрузки необходимых библиотек для этого notebook:

  • openai используется для связи с сервисом embedding'ов OpenAI
  • pymilvus используется для связи с сервером Milvus
  • datasets используется для загрузки набора данных
  • tqdm используется для индикаторов прогресса

После установки необходимых пакетов мы можем приступить к работе. Начнем с запуска сервиса Milvus. Запускаемый файл — это docker-compose.yaml, находящийся в той же папке, что и этот файл. Эта команда запускает автономный экземпляр Milvus, который мы будем использовать для этого теста.

Когда Milvus запущен, мы можем настроить наши глобальные переменные:

  • HOST: Адрес хоста Milvus
  • PORT: Номер порта Milvus
  • COLLECTION_NAME: Имя коллекции в Milvus
  • DIMENSION: Размерность embedding'ов
  • OPENAI_ENGINE: Какую модель embedding'ов использовать
  • openai.api_key: Ваш ключ учетной записи OpenAI
  • INDEX_PARAM: Настройки индекса для коллекции
  • QUERY_PARAM: Параметры поиска для использования
  • BATCH_SIZE: Сколько текстов embedding'ов вставлять за один batch

Этот сегмент посвящен Milvus и настройке базы данных для данного сценария использования. В Milvus нам необходимо настроить коллекцию и проиндексировать ее.

Когда Milvus запущен и работает, мы можем начать получать наши данные. Hugging Face Datasets — это хаб, содержащий множество различных пользовательских наборов данных, и для этого примера мы используем набор данных книг Skelebor. Этот набор данных содержит пары «название-описание» для более чем 1 миллиона книг. Мы собираемся создать embedding для каждого описания и сохранить его в Milvus вместе с названием.

Теперь, когда данные находятся на нашей машине, мы можем начать создавать для них embedding'и и вставлять их в Milvus. Функция embedding'а принимает текст и возвращает embedding'и в формате списка.

Следующий шаг — вставка данных. Поскольку точек данных очень много, вы можете остановить cell вставки раньше, если…

План урока

  1. Поиск вашей следующей книги
  2. Milvus
  3. Dataset
  4. Вставка данных
  5. Запрос к базе данных

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы OpenAI 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от OpenAI (1 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Урок входит в темы

Полезные гиды