Skip to main content
Open In ColabOpen on GitHub

IPEX-LLM: 在 Intel CPU 上本地运行 BGE Embeddings

IPEX-LLM 是一个 PyTorch 库，用于在 Intel CPU 和 GPU（例如带有 iGPU 的本地 PC、Arc、Flex 和 Max 等独立 GPU）上以非常低的延迟运行 LLM。

本示例将介绍如何使用 LangChain 结合 ipex-llm 优化在 Intel CPU 上执行嵌入任务。这对于 RAG、文档问答等应用非常有帮助。

设置​

%pip install -qU langchain langchain-community

为在 Intel CPU 上进行优化而安装 IPEX-LLM，以及 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 Reference:IpexLLMBgeEmbeddings

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]}")