LLM-Alibaba Cloud DashVector ModelScope Vetorização multimodal pesquisa de texto em tempo real resumo prático

LLM-Alibaba Cloud DashVector ModelScope Vetorização multimodal pesquisa de imagens de texto em tempo real resumo prático

2024-07-12

Diretório de artigos

Prefácio
etapa
- A incorporação de dados de imagem é armazenada no banco de dados
- Recuperação de texto
Código completo

Prefácio

Este artigo usa o serviço de recuperação de vetores do Alibaba Cloud (DashVector), combinado com Modelo multimodal ONE-PEACE , para construir capacidades de recuperação multimodal em tempo real de "pesquisa de texto para imagens". O processo geral é o seguinte:

Armazenamento de incorporação de dados multimodais .Servindo através do modelo ONE-PEACEIncorporaçãoA interface converte dados de múltiplas modalidades em vetores de alta dimensão.
Recuperação de consulta multimodal . Com base na capacidade de incorporação multimodal fornecida pelo modelo ONE-PEACE, podemos combinar livremente diferentes entradas modais, como texto único, texto + áudio, áudio + imagem e outras entradas multimodais. pode recuperá-lo de forma cruzada por meio de resultados semelhantes do DashVector.

Pré-requisitos

Abra o serviço do modelo Lingji e obtenha API-KEY:Ative o DashScope e crie API-KEY
Serviço aberto de recuperação de vetores: consulteAssinar um serviço。
Criar API-KEY do serviço de recuperação de vetores: consulteGerenciamento de API-KEY。

Preparação ambiental

# 安装 dashscope 和 dashvector sdk
pip3 install dashscope dashvector

# 显示图片
pip3 install Pillow
1
2
3
4
5

preparação de dados

ilustrar
Como o serviço do modelo ONE-PEACE do DashScope atualmente suporta apenas entrada de imagem e áudio na forma de URLs, é necessário carregar o conjunto de dados para armazenamento de rede pública (como oss/s3) com antecedência e obter a lista de endereços URL do correspondente imagens e áudios.

etapa

A incorporação de dados de imagem é armazenada no banco de dados

Usei o OSS do Alibaba Cloud para salvar a imagem e obtive o URL da imagem acessível externamente por meio da interface do navegador OSS:

Este URL também deve ser obtido através da interface. Isso ainda não foi estudado. Amigos interessados podem tentar obtê-lo em lotes através da interface. O objetivo de obter este URL é permitir que o serviço DashScope do Alibaba Cloud leia a imagem para incorporação. Salve no banco de dados vetorial DashVector.
Depois de obter o URL, escreva-o em nosso imagenet1k-urls.txt arquivo, nosso código lerá o arquivo para incorporação posteriormente:

O código para executar a incorporação é o seguinte (postarei o código completo e a estrutura de diretórios mais tarde, apenas o código incorporado é postado aqui):

    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

ler IMAGENET1K_URLS_FILE_PATHO URL da imagem no URL e, em seguida, execute uma solicitação DashScope para vetorizar e armazenar nossa imagem.
Ao inserir no banco de dados vetorial, a URL da imagem é usada como atributo vetorial.

Após a execução, você pode passarConsole de serviço de recuperação de vetores, verifique os dados vetoriais:

Recuperação de texto

Para recuperar dados de um banco de dados vetorial por texto, eu insirocatDepois de recuperar três fotos (topk = 3 definidas em nosso código), você pode verificar o efeito. Duas são fotos de gatos, mas uma é a foto de um cachorro:

Isso ocorre porque existem semelhanças entre cães e gatos. A seguir, veremos.topkDefinido como 2, teoricamente o cachorro não pode ser detectado. Vamos ver o efeito e, com certeza, não há cachorro:

A razão pela qual os cães aparecem é porque armazenei 4 imagens de animais na biblioteca de vetores, 2 imagens de gatos e 2 imagens de cães. Se nosso topk estiver definido como 3, mais uma imagem de cachorro será detectada.

Código completo

multi_model.pyOs arquivos são os seguintes:

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

Abra a API KEY do DashScope e DashVector e substitua o acimaDASHSCOPE_API_KEY,DASHVECTOR_API_KEY,DASHVECTOR_ENDPOINT

A estrutura do diretório do código é a seguinte. Coloque o arquivo txt e o arquivo py no mesmo diretório:

Informações adicionais

Use imagens locais: carreguei a imagem no OSS. Você também pode usar um arquivo de imagem local e substituir o caminho do arquivo em txt pelo caminho da imagem local, da seguinte maneira:

Se usarmos imagens locais, teremos que modificar o código acima e o código abaixo:

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

Compartilhamento de tecnologia