Conversation
|
сейчас мне немного разонравилось то как устроены dump и load у Embedder и VectorIndex и в целом конфиги для них - по-моему в таком варианте нельзя задать конфиг из yaml файла я это поправлю в другом PR |
| """ | ||
| return self._backend.get_hash() | ||
|
|
||
| def train(self, utterances: list[str], labels: ListOfLabels, config: EmbedderFineTuningConfig) -> None: |
There was a problem hiding this comment.
Мб в BaseEmbeddingBackend добавить train и его вызывать?
There was a problem hiding this comment.
не думаю что красивее сделать получится
тут потому что EmbedderFineTuningConfig содержит специфичные для sentence-transformers параметры
я бы тогда просто предложил переименовать train -> train_st и в докстринге обозначить что этот метод работает только с SentenceTransformersEmbeddingBackend
все равно пока что фича с тренировкой эмбедингов не встроена в наш EmbeddingNode
| batch = utterances[i : i + self.config.batch_size] | ||
|
|
||
| # Prepare API call parameters | ||
| kwargs: EmbeddingsCreateKwargs = { |
There was a problem hiding this comment.
Можно добавить truncate_prompt_tokens, не знаю есть такое у openai или нет (но на сколько помню у них вообще криво все сделано по токенизации)
There was a problem hiding this comment.
не очень вообще шарю за то, что за truncate_prompt_tokens
можешь подробнее рассказать в будущем или открыть issue?
There was a problem hiding this comment.
У vllm есть параметр truncate_prompt_tokens, который будет обрезать ввод по количеству токенов, если больше max_tokens модели отправить, то выдается ошибка. Если в openai отправить больше чем 8191 токен, то тоже просто ошибка будет
| kwargs: EmbeddingsCreateKwargs = { | ||
| "input": batch, | ||
| "model": self.config.model_name, | ||
| } | ||
| if self.config.dimensions is not None: | ||
| kwargs["dimensions"] = self.config.dimensions |
There was a problem hiding this comment.
в аргументы функции _process_embeddings_sync?
There was a problem hiding this comment.
Создание kwargs можно вынести в функцию, тк дублируется между функциями
2 participants
No description provided.