VDMS

VDMS 是一种用于高效访问大“视觉”数据的存储解决方案，旨在通过搜索存储为图的视觉元数据来搜索相关的视觉数据，并实现对视觉数据的机器友好增强以加快访问速度，从而实现云规模。

安装和设置

安装客户端

pip install vdms

安装数据库

有两种方式可以开始使用 VDMS

通过 Docker 在本地计算机上安装 VDMS

    docker run -d -p 55555:55555 intellabs/vdms:latest

直接在本地计算机上安装 VDMS

请参阅安装说明。

VectorStore

向量存储是 VDMS 的一个简单包装器。它提供了一个简单的接口来存储和检索数据。

from langchain_community.document_loaders import TextLoader
from langchain.text_splitter import CharacterTextSplitter

loader = TextLoader("./state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=500, chunk_overlap=0)
docs = text_splitter.split_documents(documents)

from langchain_community.vectorstores import VDMS
from langchain_community.vectorstores.vdms import VDMS_Client
from langchain_huggingface import HuggingFaceEmbeddings

client = VDMS_Client("localhost", 55555)
model_name = "sentence-transformers/all-mpnet-base-v2"
vectorstore = VDMS.from_documents(
    docs,
    client=client,
    collection_name="langchain-demo",
    embedding_function=HuggingFaceEmbeddings(model_name=model_name),
    engine="FaissFlat"
    distance_strategy="L2",
)

query = "What did the president say about Ketanji Brown Jackson"
results = vectorstore.similarity_search(query)

API 参考：TextLoader | CharacterTextSplitter | VDMS | VDMS_Client | HuggingFaceEmbeddings

有关 VDMS 包装器的更详细演练，请参阅此 Notebook