Овај водич ће илустровати процес коришћења селектора примера одабира према максималној маргиналној релевантности у ЛангЦхаин-у.
Како се користи избор према максималној маргиналној релевантности (ММР) у ЛангЦхаин-у?
Селектор примера максималне маргиналне релевантности се користи за издвајање информација коришћењем косинусне сличности одзива и примера. Косинусна сличност се израчунава након примене метода уградње на податке и претварања текста у нумерички облик.
Да бисте научили процес коришћења селектора примера ММР у ЛангЦхаин-у, једноставно прођите кроз наведене кораке:
Корак 1: Инсталирајте модуле
Започните процес инсталирањем зависности ЛангЦхаин-а помоћу команде пип:
пип инсталл лангцхаин
Инсталирајте ОпенАИ модул да бисте користили његово окружење за примену ОпенАИЕмбеддинг() методе:
пип инсталл опенаи
Инсталирајте ФАИСС оквир који се може користити за добијање излаза користећи семантичку сличност:
пип инсталл фаисс-гпу 
Сада инсталирајте тиктокен токенизер за поделу текста на мање делове користећи следећи код:
пип инсталл тиктокен 
Корак 2: Коришћење библиотека и примера
Следећи корак је увоз библиотека за прављење селектора примера ММР, ФАИСС, ОпенАИЕмбеддингс и ПромптТемплате. Након увоза библиотека, једноставно креирајте скуп примера који даје улазе и излазе за њихове одговарајуће улазе у више низова:
из лангцхаин. упити . селектор_примера увоз (МакМаргиналРелеванцеЕкамплеСелецтор ,
СемантицСимиларитиЕкамплеСелецтор ,
)
из лангцхаин. векторске продавнице увоз ФАИСС
из лангцхаин. уградње увоз ОпенАИЕмбеддингс
из лангцхаин. упити увоз ФевСхотПромптТемплате , ПромптТемплате
екампле_промпт = ПромптТемплате (
инпут_вариаблес = [ 'улазни' , 'излаз' ] ,
шаблон = „Унос: {инпут} \н Излаз: {оутпут}' ,
)
примери = [
{ 'улазни' : 'срећан' , 'излаз' : 'тужан' } ,
{ 'улазни' : 'висок' , 'излаз' : 'кратак' } ,
{ 'улазни' : 'енергетски' , 'излаз' : 'летаргичан' } ,
{ 'улазни' : 'сунчан' , 'излаз' : 'тмуран' } ,
{ 'улазни' : 'ветровито' , 'излаз' : 'мирно' } ,
]
Корак 3: Прављење бирача примера
Сада почните да правите селектор примера ММР користећи МакМаргиналРелеванцеЕкамплеСелецтор() метод који садржи различите параметре:
селектор_примера = МакМаргиналРелеванцеЕкамплеСелецтор. фром_екамплес (примери ,
ОпенАИЕмбеддингс ( ) ,
ФАИСС ,
к = 2 ,
)
ммр_промпт = ФевСхотПромптТемплате (
селектор_примера = селектор_примера ,
екампле_промпт = екампле_промпт ,
префикс = „Наведите антоним за сваки унос“ ,
суфикс = „Унос: {придев} \н Излаз:' ,
инпут_вариаблес = [ 'придев' ] ,
)
Корак 4: Тестирање селектора примера ММР-а
Тестирајте селектор примера ММР максималне маргиналне релевантности тако што ћете га позвати методом принт() са уносом:
принт ( ммр_промпт. формату ( придев = 'забринут' ) ) 
Корак 5: Коришћење семантичке сличности
Овај корак користи методу СемантицСимиларитиЕкамплеСелецтор(), а затим користи методу ФевСхотПромптТемплате() коју подржава ЛангЦхаин:
селектор_примера = СемантицСимиларитиЕкамплеСелецтор. фром_екамплес (примери ,
ОпенАИЕмбеддингс ( ) ,
ФАИСС ,
к = 2 ,
)
сличан_промпт = ФевСхотПромптТемплате (
селектор_примера = селектор_примера ,
екампле_промпт = екампле_промпт ,
префикс = „Наведите антоним за сваки унос“ ,
суфикс = „Унос: {придев} \н Излаз:' ,
инпут_вариаблес = [ 'придев' ] ,
)
принт ( сличан_промпт. формату ( придев = 'забринут' ) )
То је све о коришћењу избора према максималној маргиналној релевантности или ММР-у у ЛангЦхаин-у.
Закључак
Да бисте користили бирач према максималној маргиналној релевантности или селектор примера ММР-а у ЛангЦхаин-у, инсталирајте потребне модуле. Након тога, увезите библиотеке да бисте направили скуп примера користећи шаблон за унос и излаз. Направите селектор примера ММР да бисте га тестирали користећи селектор примера ММР и методу ФевСхотПромптТемплате() да бисте добили релевантан излаз. Овај водич је илустровао процес коришћења селектора примера одабира по ММР у ЛангЦхаин-у.