Skip to main content
Open In ColabOpen on GitHub

NVIDIA

这将帮助您开始使用 NVIDIA 模型。有关所有 NVIDIA 功能和配置的详细文档，请访问 API 参考。

概述​

langchain-nvidia-ai-endpoints 包包含了 LangChain 的集成，用于构建使用 NVIDIA NIM 推理微服务上的模型驱动的应用程序。这些模型由 NVIDIA 优化，可在 NVIDIA 加速基础设施上提供最佳性能，并部署为 NIM。NIM 是易于使用的预构建容器，可以使用 NVIDIA 加速基础设施上的单一命令在任何地方进行部署。

NVIDIA 托管的 NIM 部署可在 NVIDIA API 目录上进行测试。测试后，可以使用 NVIDIA AI Enterprise 许可从 NVIDIA 的 API 目录导出 NIM，并在本地或云端运行，从而使企业能够拥有并完全控制其 IP 和 AI 应用程序。

NIM 按模型打包为容器镜像，并通过 NVIDIA NGC Catalog 以 NGC 容器镜像的形式分发。NIM 的核心是提供简单、一致且熟悉的 API 来运行 AI 模型推理。

此示例将介绍如何使用 LangChain 通过 NVIDIA 类与 NVIDIA 进行交互。

有关通过此 API 访问 LLM 模型的信息，请查看 NVIDIA 文档。

集成详情​

类名包名本地可序列化JS 支持包下载量包最新版本
NVIDIAlangchain_nvidia_ai_endpoints✅beta❌PyPI - DownloadsPyPI - Version

模型特性​

JSON 模式图像输入音频输入视频输入Token 级流式传输原生异步Token 使用量追踪Logprobs
❌✅❌❌✅❌❌❌

设置​

开始之前：

  1. 在 NVIDIA 创建一个免费账户，该平台托管 NVIDIA AI Foundation 模型。

  2. 点击您选择模型。

  3. 在 Input 下选择 Python 标签页，然后点击 Get API Key。接着点击 Generate Key。

  4. 复制生成的密钥并将其保存为 NVIDIA_API_KEY。之后，您应该就可以访问端点了。

凭证​

import getpass
import os

if not os.getenv("NVIDIA_API_KEY"):
    # Note: the API key should start with "nvapi-"
    os.environ["NVIDIA_API_KEY"] = getpass.getpass("Enter your NVIDIA API key: ")

安装​

LangChain NVIDIA AI Endpoints 集成位于 langchain_nvidia_ai_endpoints 包中：

%pip install --upgrade --quiet langchain-nvidia-ai-endpoints

实例化​

有关完整功能，请参阅 LLM。

from langchain_nvidia_ai_endpoints import NVIDIA
API Reference:NVIDIA
llm = NVIDIA().bind(max_tokens=256)
llm

调用​

prompt = "# Function that does quicksort written in Rust without comments:"
print(llm.invoke(prompt))

流式、批量和异步​

这些模型原生支持流式传输，并且与所有 LangChain LLM 一样，它们公开了 batch 方法来处理并发请求，以及用于 invoke、stream 和 batch 的异步方法。以下是一些示例。

for chunk in llm.stream(prompt):
    print(chunk, end="", flush=True)
llm.batch([prompt])
await llm.ainvoke(prompt)
async for chunk in llm.astream(prompt):
    print(chunk, end="", flush=True)
await llm.abatch([prompt])
async for chunk in llm.astream_log(prompt):
    print(chunk)
response = llm.invoke(
    "X_train, y_train, X_test, y_test = train_test_split(X, y, test_size=0.1) #Train a logistic regression model, predict the labels on the test set and compute the accuracy score"
)
print(response)

支持的模型​

查询 available_models 仍会列出您的 API 凭证提供的所有其他模型。

NVIDIA.get_available_models()
# llm.get_available_models()

链式调用​

我们可以像这样将模型与提示模板进行链式调用：

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate(
    [
        (
            "system",
            "You are a helpful assistant that translates {input_language} to {output_language}.",
        ),
        ("human", "{input}"),
    ]
)

chain = prompt | llm
chain.invoke(
    {
        "input_language": "English",
        "output_language": "German",
        "input": "I love programming.",
    }
)
API Reference:ChatPromptTemplate

API 参考​

有关所有 NVIDIA 功能和配置的详细文档，请访问 API 参考：https://python.langchain.com/api_reference/nvidia_ai_endpoints/llms/langchain_nvidia_ai_endpoints.llms.NVIDIA.html