Titan Takeoff
TitanML 通过我们的训练、压缩和推理优化平台，帮助企业构建和部署更好、更小、更便宜和更快的 NLP 模型。
我们的推理服务器 Titan Takeoff 允许在您的硬件上本地单命令部署 LLM。大多数嵌入模型都开箱即用支持，如果您在使用特定模型时遇到问题，请通过 hello@titanml.co 告知我们。
使用示例
以下是一些有用的示例，可帮助您开始使用 Titan Takeoff Server。您需要确保 Takeoff Server 已在后台启动，然后再运行这些命令。有关更多信息，请参阅 启动 Takeoff 的文档页面。
import time
from langchain_community.embeddings import TitanTakeoffEmbed
API 参考：TitanTakeoffEmbed
示例 1
基本用法，假设 Takeoff 正在您的机器上使用其默认端口（即 localhost:3000）运行。
embed = TitanTakeoffEmbed()
output = embed.embed_query(
"What is the weather in London in August?", consumer_group="embed"
)
print(output)
示例 2
使用 TitanTakeoffEmbed Python 包装器启动读取器。如果您在首次启动 Takeoff 时未创建任何读取器，或者您想添加另一个，则可以在初始化 TitanTakeoffEmbed 对象时执行此操作。只需将您要启动的模型列表作为 models 参数传递即可。
您可以使用 embed.query_documents 一次嵌入多个文档。预期的输入是字符串列表，而不是 embed_query 方法预期的单个字符串。
# Model config for the embedding model, where you can specify the following parameters:
# model_name (str): The name of the model to use
# device: (str): The device to use for inference, cuda or cpu
# consumer_group (str): The consumer group to place the reader into
embedding_model = {
"model_name": "BAAI/bge-large-en-v1.5",
"device": "cpu",
"consumer_group": "embed",
}
embed = TitanTakeoffEmbed(models=[embedding_model])
# The model needs time to spin up, length of time need will depend on the size of model and your network connection speed
time.sleep(60)
prompt = "What is the capital of France?"
# We specified "embed" consumer group so need to send request to the same consumer group so it hits our embedding model and not others
output = embed.embed_query(prompt, consumer_group="embed")
print(output)