跳到主要内容
Open In ColabOpen on GitHub

IPEX-LLM：英特尔 CPU 上的本地 BGE 嵌入

IPEX-LLM 是一个 PyTorch 库，用于在英特尔 CPU 和 GPU（例如，带有集成显卡的本地电脑，以及 Arc、Flex 和 Max 等独立显卡）上以极低延迟运行 LLM。

本示例介绍了如何使用 LangChain 在 Intel CPU 上通过 `ipex-llm` 优化来执行嵌入任务。这在 RAG、文档问答等应用中会很有帮助。

设置​

%pip install -qU langchain langchain-community

安装 IPEX-LLM 以在 Intel CPU 上进行优化，同时安装 `sentence-transformers`。

%pip install --pre --upgrade ipex-llm[all] --extra-index-url https://download.pytorch.org/whl/cpu
%pip install sentence-transformers

注意

对于 Windows 用户，安装 `ipex-llm` 时不需要 `--extra-index-url https://download.pytorch.org/whl/cpu`。

基本用法​

from langchain_community.embeddings import IpexLLMBgeEmbeddings

embedding_model = IpexLLMBgeEmbeddings(
    model_name="BAAI/bge-large-en-v1.5",
    model_kwargs={},
    encode_kwargs={"normalize_embeddings": True},
)

API 参考

sentence = "IPEX-LLM is a PyTorch library for running LLM on Intel CPU and GPU (e.g., local PC with iGPU, discrete GPU such as Arc, Flex and Max) with very low latency."
query = "What is IPEX-LLM?"

text_embeddings = embedding_model.embed_documents([sentence, query])
print(f"text_embeddings[0][:10]: {text_embeddings[0][:10]}")
print(f"text_embeddings[1][:10]: {text_embeddings[1][:10]}")

query_embedding = embedding_model.embed_query(query)
print(f"query_embedding[:10]: {query_embedding[:10]}")