Teknologian jakaminen

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Esipuhe

Tämä artikkeli käyttää Alibaba Cloudin vektorinhakupalvelua (DashVector) yhdistettynä ONE-PEACE multimodaalinen malli , rakentaa reaaliaikaisia ​​multimodaalisia hakuominaisuuksia "kuvien tekstihakulle". Kokonaisprosessi on seuraava:

1. Multimodaalinen data Tallennuksen upottaminen .Palvelee ONE-PEACE-mallin kauttaUpottaminenKäyttöliittymä muuntaa datan useista modaliteeteista suuriulotteisiksi vektoreiksi.
2. Multimodaalinen kyselyn haku . ONE-PEACE-mallin tarjoaman multimodaalisen upotusominaisuuden perusteella voimme vapaasti yhdistää erilaisia ​​modaalisyötteitä, kuten yksittäistä tekstiä, tekstiä + ääntä, ääni + kuva ja muita multimodaalisia syötteitä voi hakea sen ristiin modaalisesti DashVectorin kautta.

Edellytykset

• Avaa Lingji-mallipalvelu ja hanki API-KEY:Aktivoi DashScope ja luo API-Avain
• Avoin vektorin hakupalvelu: katsoTilaa palvelu。
• Luo vektorinhakupalvelu API-KEY: katsoAPI-KEY-hallinta。

Ympäristön valmistelu

# 安装 dashscope 和 dashvector sdk
pip3 install dashscope dashvector

# 显示图片
pip3 install Pillow
1
2
3
4
5

tietojen valmistelu

havainnollistaa
Koska DashScopen ONE-PEACE-mallipalvelu tukee tällä hetkellä vain kuvan ja äänen syöttöä URL-osoitteiden muodossa, tietojoukko on ladattava etukäteen julkiseen verkkotallennustilaan (kuten oss/s3) ja hankittava vastaavan URL-osoiteluettelo. kuvia ja ääniä.

askel

Kuvatiedot Upotus tallennetaan tietokantaan

Käytin Alibaba Cloudin OSS:ää kuvan tallentamiseen ja sain kuvan ulkopuolelta saatavilla olevan URL-osoitteen OSS-selainkäyttöliittymän kautta:


Tämän URL-osoitteen pitäisi saada myös käyttöliittymän kautta. Kiinnostuneet ystävät voivat yrittää hankkia sen erissä. Tallenna DashVector-vektoritietokantaan.
Kun olet saanut URL-osoitteen, kirjoita URL-osoite meidän imagenet1k-urls.txt tiedosto, koodimme lukee tiedoston myöhempää upottamista varten:

Koodi upotuksen suorittamiseksi on seuraava (lähetän täydellisen koodin ja hakemistorakenteen myöhemmin, vain upotettu koodi on lähetetty tähän):

    def index_image(self):

        # 创建集合：指定集合名称和向量维度, ONE-PEACE 模型产生的向量统一为 1536 维
        collection = self.vector_client.get(self.vector_collection_name)
        if not collection:
            rsp = self.vector_client.create(self.vector_collection_name, 1536)
            collection = self.vector_client.get(self.vector_collection_name)
            if not rsp:
                raise DashVectorException(rsp.code, reason=rsp.message)

        # 调用 dashscope ONE-PEACE 模型生成图片 Embedding，并插入 dashvector
        with open(self.IMAGENET1K_URLS_FILE_PATH, 'r') as file:
            for i, line in enumerate(file):
                url = line.strip('n')
                input = [{'image': url}]
                result = MultiModalEmbedding.call(model=MultiModalEmbedding.Models.multimodal_embedding_one_peace_v1,
                                                  input=input,
                                                  api_key=os.environ["DASHSCOPE_API_KEY"],
                                                  auto_truncation=True)
                if result.status_code != 200:
                    print(f"ONE-PEACE failed to generate embedding of {url}, result: {result}")
                    continue
                embedding = result.output["embedding"]
                collection.insert(
                    Doc(
                        id=str(i),
                        vector=embedding,
                        fields={'image_url': url}
                    )
                )
                if (i + 1) % 100 == 0:
                    print(f"---- Succeeded to insert {i + 1} image embeddings")

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

• lukea IMAGENET1K_URLS_FILE_PATHKuvan URL-osoite URL-osoitteessa ja suorita sitten DashScope-pyyntö kuvamme vektoroimiseksi ja tallentamiseksi.
• Lisättäessä vektoritietokantaan kuvan URL-osoitetta käytetään vektoriattribuuttina.

Suorituksen jälkeen voit läpäistäVektorihakupalvelukonsoli, tarkista vektoritiedot:

Tekstin haku

Jos haluat hakea tietoja vektoritietokannasta tekstin avulla, syötäncatKun olet hakenut kolme kuvaa (koodissamme asetettu topk=3), voit tarkistaa tehosteen kaksi kissoista, mutta yksi on koiran kuva:

Tämä johtuu siitä, että koirien ja kissojen välillä on yhtäläisyyksiätopkAseta arvoon 2, teoriassa koiraa ei voida havaita. Katsotaanpa vaikutusta, ja totta kai koiraa ei ole:

Syy siihen, miksi koirat ilmestyvät, johtuu siitä, että olen tallentanut 4 eläinkuvaa vektorikirjastoon, 2 kissakuvaa ja 2 koirakuvaa.

Täydellinen koodi

multi_model.pyTiedostot ovat seuraavat:

import os

import dashscope
from dashvector import Client, Doc, DashVectorException
from dashscope import MultiModalEmbedding
from dashvector import Client
from urllib.request import urlopen
from PIL import Image


class DashVectorMultiModel:
    def __init__(self):
        # 我们需要同时开通 DASHSCOPE_API_KEY 和 DASHVECTOR_API_KEY
        os.environ["DASHSCOPE_API_KEY"] = ""
        os.environ["DASHVECTOR_API_KEY"] = ""
        os.environ["DASHVECTOR_ENDPOINT"] = ""

        dashscope.api_key = os.environ["DASHSCOPE_API_KEY"]

        # 由于 ONE-PEACE 模型服务当前只支持 url 形式的图片、音频输入，因此用户需要将数据集提前上传到
        # 公共网络存储（例如 oss/s3），并获取对应图片、音频的 url 列表。
        # 该文件每行存储数据集单张图片的公共 url，与当前python脚本位于同目录下
        self.IMAGENET1K_URLS_FILE_PATH = "imagenet1k-urls.txt"

        self.vector_client = self.init_vector_client()
        self.vector_collection_name = 'imagenet1k_val_embedding'

    def init_vector_client(self):
        return Client(
          api_key=os.environ["DASHVECTOR_API_KEY"],
          endpoint=os.environ["DASHVECTOR_ENDPOINT"]
        )

    def index_image(self):

        # 创建集合：指定集合名称和向量维度, ONE-PEACE 模型产生的向量统一为 1536 维
        collection = self.vector_client.get(self.vector_collection_name)
        if not collection:
            rsp = self.vector_client.create(self.vector_collection_name, 1536)
            collection = self.vector_client.get(self.vector_collection_name)
            if not rsp:
                raise DashVectorException(rsp.code, reason=rsp.message)

        # 调用 dashscope ONE-PEACE 模型生成图片 Embedding，并插入 dashvector
        with open(self.IMAGENET1K_URLS_FILE_PATH, 'r') as file:
            for i, line in enumerate(file):
                url = line.strip('n')
                input = [{'image': url}]
                result = MultiModalEmbedding.call(model=MultiModalEmbedding.Models.multimodal_embedding_one_peace_v1,
                                                  input=input,
                                                  api_key=os.environ["DASHSCOPE_API_KEY"],
                                                  auto_truncation=True)
                if result.status_code != 200:
                    print(f"ONE-PEACE failed to generate embedding of {url}, result: {result}")
                    continue
                embedding = result.output["embedding"]
                collection.insert(
                    Doc(
                        id=str(i),
                        vector=embedding,
                        fields={'image_url': url}
                    )
                )
                if (i + 1) % 100 == 0:
                    print(f"---- Succeeded to insert {i + 1} image embeddings")

    def show_image(self, image_list):
        for img in image_list:
            # 注意：show() 函数在 Linux 服务器上可能需要安装必要的图像浏览器组件才生效
            # 建议在支持 jupyter notebook 的服务器上运行该代码
            img.show()

    def text_search(self, input_text):
        # 获取上述入库的集合
        collection = self.vector_client.get('imagenet1k_val_embedding')

        # 获取文本 query 的 Embedding 向量
        input = [{'text': input_text}]
        result = MultiModalEmbedding.call(model=MultiModalEmbedding.Models.multimodal_embedding_one_peace_v1,
                                          input=input,
                                          api_key=os.environ["DASHSCOPE_API_KEY"],
                                          auto_truncation=True)
        if result.status_code != 200:
            raise Exception(f"ONE-PEACE failed to generate embedding of {input}, result: {result}")
        text_vector = result.output["embedding"]

        # DashVector 向量检索
        rsp = collection.query(text_vector, topk=2)
        image_list = list()
        for doc in rsp:
            img_url = doc.fields['image_url']
            img = Image.open(urlopen(img_url))
            image_list.append(img)
        return image_list


if __name__ == '__main__':
    a = DashVectorMultiModel()
    # 执行 embedding 操作
    a.index_image()
    # 文本检索
    text_query = "Traffic light"
    a.show_image(a.text_search(text_query))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103

• Avaa DashScopen ja DashVectorin API-AVAIN ja korvaa yllä olevaDASHSCOPE_API_KEY,DASHVECTOR_API_KEY,DASHVECTOR_ENDPOINT

Koodihakemistorakenne on seuraava. Aseta txt-tiedosto ja py-tiedosto samaan hakemistoon:

---

Lisäinformaatio

• Käytä paikallisia kuvia: Lähetin kuvan OSS:ään. Voit myös käyttää paikallista kuvatiedostoa ja korvata txt-tiedoston polun paikallisella kuvapolulla seuraavasti:

  

• Jos käytämme paikallisia kuvia, meidän on muutettava yllä olevaa koodia ja alla olevaa koodia:

  # 将 img = Image.open(urlopen(img_url)) 替换为下边的代码
  img = Image.open(img_url)
  1
  2