Skip to main content
Open In ColabOpen on GitHub

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、更快的 NLP 模型。

我们的推理服务器 Titan Takeoff 能够通过单个命令在您的本地硬件上部署 LLM。大多数嵌入模型都支持开箱即用，如果您在使用特定模型时遇到问题，请通过 hello@titanml.co 告诉我们。

示例用法​

以下是一些帮助您开始使用 Titan Takeoff Server 的示例。在运行这些命令之前，您需要确保 Takeoff Server 已经在后台启动。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 Reference:TitanTakeoffEmbed

示例 1​

基本用法，假设 Takeoff 正在您的机器上运行并使用其默认端口（例如 localhost:3000）。

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 Wrapper 启动 readers。如果您在首次启动 Takeoff 时未创建任何 readers，或者想添加其他 readers，可以在初始化 TitanTakeoffEmbed 对象时进行。只需将您想启动的模型列表作为 models 参数传递即可。

您可以使用 embed.query_documents 来一次性嵌入多个文档。预期的输入是字符串列表，而不是 embed_query 方法所期望的单个字符串。

# 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)