مستندات نود استنتاج Embeddings HuggingFace#
از نود Embeddings HuggingFace Inference برای تولید دروننگاشتها برای متن ارائهشده استفاده کنید.
در این صفحه، پارامترهای نود برای Embeddings HuggingFace Inference و لینکهای منابع بیشتر را خواهید یافت.
مجوزها
اطلاعات احراز هویت برای این نود را در اینجا میتوانید مشاهده کنید.
مقدار پارامتر در زیرنودها
زیرنودها هنگام پردازش چند آیتم با استفاده از یک عبارت، رفتار متفاوتی نسبت به سایر نودها دارند.
اکثر نودها، از جمله نودهای ریشه، هر تعداد آیتم را به عنوان ورودی میپذیرند، این آیتمها را پردازش کرده و نتایج را خروجی میدهند. شما میتوانید از عبارات برای ارجاع به آیتمهای ورودی استفاده کنید، و نود هر بار این عبارت را برای هر آیتم حل میکند. برای مثال، اگر ورودی شامل پنج مقدار name
باشد، عبارت {{ $json.name }}
به ترتیب به هر نام حل میشود.
در زیرنودها، این عبارت همیشه به اولین آیتم ارجاع میدهد. برای مثال، اگر ورودی شامل پنج مقدار name
باشد، عبارت {{ $json.name }}
همیشه به اولین نام ارجاع میدهد.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 |
|
واژگان مورد استفاده در هوش مصنوعی#
- کاملشدن: پاسخهایی هستند که توسط مدلی مانند GPT تولید میشوند.
- توهمات: توهم در هوش مصنوعی هنگامی است که یک مدل زبانی بزرگ (LLM) نادرست تصور میکند الگوها یا اشیائی وجود دارند که واقعاً وجود ندارند.
- پایگاه داده وکتور: پایگاه داده وکتور نمایههای ریاضی اطلاعات را ذخیره میکند. از آن در کنار جاسازیها و بازیابها برای ساختن یک پایگاه داده که هوش مصنوعی شما میتواند هنگام پاسخگویی به سوالات به آن مراجعه کند، استفاده میشود.
- مخزن وکتور: مخزن وکتور، یا پایگاه داده وکتور، نمایههای ریاضی اطلاعات را ذخیره میکند. از آن در کنار جاسازیها و بازیابها برای ساختن یک پایگاه داده که هوش مصنوعی شما میتواند هنگام پاسخگویی به سوالات به آن مراجعه کند، استفاده میشود.