تنزيل vector based semantic text search - تنزيل رمز مصدر vector based semantic text search

vector based semantic text search

شفرة المصدر الأخرى

1.0.0

تنزيل

البحث الدلالي المستند إلى المتجه باستخدام خدمة Amazon OpenSearch

هذا هو مشروع البحث عن النص الدلالي المستند إلى المتجهات.

يخبر ملف cdk.json مجموعة أدوات CDK كيفية تنفيذ تطبيقك.

تم إعداد هذا المشروع مثل مشروع بيثون قياسي. تنشئ عملية التهيئة أيضًا افتراضية داخل هذا المشروع ، المخزنة تحت دليل .venv . لإنشاء VirtualEnv ، يفترض أن هناك python3 (أو python for windows) قابلة للتنفيذ في طريقك مع إمكانية الوصول إلى حزمة venv . إذا فشل إنشاء VirtualenV التلقائي لأي سبب من الأسباب ، فيمكنك إنشاء VirtualEnV يدويًا.

لإنشاء VirtualEnv يدويًا على MacOS و Linux:

 $ python3 -m venv .venv

بعد اكتمال عملية البداية ويتم إنشاء VirtualEnV ، يمكنك استخدام الخطوة التالية لتفعيل VirtualEnv.

 $ source .venv/bin/activate

إذا كنت منصة Windows ، فسوف تقوم بتنشيط VirtualEnv مثل هذا:

 % .venvScriptsactivate.bat

بمجرد تنشيط VirtualEnV ، يمكنك تثبيت التبعيات المطلوبة.

 (.venv) $ pip install -r requirements.txt

في هذه المرحلة ، يمكنك الآن توليف قالب CloudFormation لهذا الرمز.

 (.venv) $ cdk synth 
              -البرارياميترات sagemakernotebookinstancetype = " نوع الخاص بك "  "
              -parameters openSearchDomainName = " your-opensearch-domain-name " 
              -parameters ec2keypairname = " your-ec2-key-pair-name "

استخدم الأمر cdk deploy لإنشاء المكدس الموضح أعلاه.

 (.venv) $ cdk نشر 
              -البرارياميترات sagemakernotebookinstancetype = " نوع الخاص بك "  "
              -parameters openSearchDomainName = " your-opensearch-domain-name " 
              -parameters ec2keypairname = " your-ec2-key-pair-name "

لإضافة تبعيات إضافية ، على سبيل المثال مكتبات CDK أخرى ، ما عليك سوى إضافتها إلى ملف setup.py الخاص بك وإعادة تشغيل أمر pip install -r requirements.txt .

الاستخدام

بعد الانتهاء cdk deploy ، افتح دفتر Jupyter على مثيل Amazon Sagemaker Notebook. بعد ذلك ، قم بتحميل ملفات *.ipynb في دفتر Sagemaker الخاص بك الذي تستخدمه لإكمال بقية المختبر.