Laion / CLIP-ViT-B-32-laion2B-s34B-b79K
Ein multimodales Einbettungsmodell, das für die Klassifizierung von Bildern ohne Aufnahmen, die Abfrage von Bild und Text und die Segmentierung von Bildern verwendet werden kann.
Aufgabe: Einbettung
Modalität: Multimodal
Ähnlichkeitsmetrik: Kosinus
Lizenz: Mit
Dimensionen: 512
Maximale Eingabe-Tokens: 77
Preis: Kostenlos
Überblick über CLIP-ViT-B-32-laion2B-s34B-b79K
Das CLIP-ViT-B-32-laion2B-s34B-b79K ist ein multimodales Einbettungsmodell, das von [LAION] (https://laion.ai/) entwickelt wurde. Dieses Modell wurde trainiert, um die Beziehungen zwischen Text und Bildern anhand der englischen Teilmenge des Laion-5B-Datensatzes zu verstehen. Es kann für verschiedene Computer Vision und Retrieval-Aufgaben verwendet werden, einschließlich Zero-Shot-Bildklassifizierung, bei der es Bilder auf der Grundlage von Textbeschreibungen ohne zusätzliches Training klassifizieren kann, Bild-Text-Retrieval zum Auffinden ähnlicher Bilder oder Texte und Bildsegmentierung zum Identifizieren und Segmentieren von Objekten innerhalb von Bildern auf der Grundlage semantischer Bedeutungen.
So erstellen Sie Einbettungen mit CLIP-ViT-B-32-laion2B-s34B-b79K
Sie können CLIP-ViT-B-32-laion2B-s34B-b79K für Einbettungen über OpenCLIP verwenden.
Sobald die Vektoreinbettungen erstellt sind, können sie in einer Vektordatenbank wie [Zilliz Cloud] (https://zilliz.com/cloud) (eine vollständig verwaltete Vektordatenbank, die von [Milvus] (https://milvus.io/) betrieben wird) gespeichert und für die Bildsuche oder multimodale Suche verwendet werden.
Hier sind vier wichtige Schritte:
- Registrieren Sie sich für ein kostenloses Zilliz Cloud-Konto.
- Richten Sie einen serverlosen Cluster ein und erhalten Sie den Public Endpoint and API Key.
- Erstellen Sie eine Vektorsammlung und fügen Sie Ihre Vektoreinbettungen ein.
- Führen Sie eine semantische Suche nach den gespeicherten Einbettungen durch.
Erstellen Sie Einbettungen über OpenCLIP und fügen Sie sie in die Zilliz Cloud für die multimodale Suche ein.
Eine Schritt-für-Schritt-Anleitung: folgt in Kürze.
Weitere Lektüre
- Wie multimodales Retrieval die Bildsuche verändert](https://zilliz.com/blog/combine-image-and-text-how-multimodal-retrieval-transforms-search)
- Auswahl des richtigen Einbettungsmodells für Ihre Daten
- Evaluieren Sie Ihr Einbettungsmodell
- Trainieren Sie Ihr eigenes Texteinbettungsmodell
- Anleitung zum Chunking und Einbetten von Webseiten für Ihre RAG-Anwendungen](https://zilliz.com/learn/beginner-guide-to-website-chunking-and-embedding-for-your-genai-applications)
- Was ist RAG?](https://zilliz.com/learn/Retrieval-Augmented-Generation)
