download evadb - download de código fonte evadb

evadb

Outro código-fonte

v0.3.9

Baixar

Sistema de banco de dados para aplicativos movidos a IA

Siga o evadb

O EVADB permite que os desenvolvedores de software criem aplicativos de IA em algumas linhas de código. Sua poderosa API SQL simplifica o desenvolvimento de aplicativos de AI para dados estruturados e não estruturados. Os benefícios do Evadb incluem:

? Fácil de conectar o mecanismo de consulta EVADB com suas fontes de dados, como baldes PostGresql ou S3, e construa aplicativos movidos a IA com consultas SQL.

Fontes de dados estruturadas	Fontes de dados não estruturadas	Fontes de dados do aplicativo
PostGresql Sqlite Mysql Mariadb Clickhouse Floco de neve	Sistema de arquivos local AWS S3 Bucket	Github

Mais detalhes sobre as fontes de dados suportados estão disponíveis aqui.

? Consulte seus dados conectados com um modelo de IA pré-treinado, de abraçar o rosto, OpenAi, YOLO, Difusão estável, etc.

Abraçando o rosto	Openai	YOLO
Classificação de áudio Reconhecimento automático de fala Classificação de texto Resumo Geração text2text Geração de texto Classificação da imagem Segmentação de imagem Imagem para texto Detecção de objetos Estimativa de profundidade	GPT-4 GPT-4-0314 GPT-4-32K GPT-4-32K-0314 GPT-3.5-Turbo GPT-3.5-Turbo-0301	yolov8n.pt yolov8s.pt Yolov8m.pt yolov8l.pt yolov8x.pt

Mais detalhes sobre os modelos de IA suportados estão disponíveis aqui

? Crie ou tune modelos de IA de ajuste fino para regressão, classificação e previsão de séries temporais.

Regressão	Classificação	Previsão de séries temporais
Ludwig Sklearn Xgboost	Ludwig Xboost	STATSFORECAST NeuralforeCast

Mais detalhes sobre as estruturas do Automl suportadas estão disponíveis aqui.

? Consultas de IA mais rápidas graças às otimizações de consulta centradas na AI, como cache, lote e processamento paralelo.

O cache do resultado da função ajuda a reutilizar os resultados de chamadas caras de função de IA.
O LLM Batching reduz o uso do token e os dólares gastos em chamadas de LLM.
O processamento de consulta paralelo economiza dinheiro e tempo gasto na execução de modelos de IA, utilizando melhor as CPUs e/ou GPUs.
Consulta a reordenação do predicado e o predicado, acelera as consultas sobre dados estruturados e não estruturados.

Mais detalhes sobre as otimizações no EVADB estão disponíveis aqui.

Ei! Se você estiver animado com a nossa visão de trazer a IA dentro dos sistemas de banco de dados, mostre alguns ❤️ por:

Estrelando nosso github? Repo
? Juntando -se à nossa comunidade Slack
? Seguindo -nos no Twitter
Seguindo -nos no meio

Gostaríamos muito de aprender sobre seu aplicativo de IA. Preencha este formulário de 1 minuto: https://v0fbgcue0cm.typeform.com/to/bzhzwezm

Documentação

Você pode encontrar a documentação completa do evadb em evadb.ai/docs

Por que evadb

No mundo da IA, chegamos a um estágio em que muitas tarefas de IA tradicionalmente tratadas pelos engenheiros de IA ou ML agora podem ser automatizadas. O EVADB permite que os desenvolvedores de software executem tarefas avançadas de IA sem precisar se aprofundar nos detalhes complexos.

O EVADB abrange muitos aplicativos de IA, incluindo regressão, classificação, reconhecimento de imagem, resposta a perguntas e muitos outros aplicativos generativos de IA. O EVADB tem como alvo 99% dos problemas de IA que geralmente são repetitivos e podem ser automatizados com uma chamada de função simples em uma consulta SQL. Até agora, não existe uma estrutura abrangente de código aberto para trazer a IA para um sistema de banco de dados SQL existente com uma estrutura de otimização de AI com princípios, e é aí que entra o EVADB.

Nosso público -alvo são os desenvolvedores de software que podem não ter necessariamente experiência em IA, mas exigem recursos de IA para resolver problemas específicos. Tivemos programadores que escrevem consultas SQL simples dentro de seus aplicativos CRUD. Com o EVADB, é possível adicionar facilmente recursos de IA a esses aplicativos, chamando as funções internas de IA nas consultas.

Como funciona o evadb

Conecte o EVADB aos seus sistemas de banco de dados SQL e Vector com as instruções `Create Database` e` Create Index`.
Escreva consultas SQL com funções de IA para obter resultados de inferência:

Escolha um modelo de IA pré-treinado para abraçar o rosto, a IA aberta, as estruturas ultralíticas, pytorch e AI embutida para aplicações generativas de IA, PNL e visão;
ou escolha de uma variedade de motores ML de última geração para casos de uso clássicos de ML (classificação, regressão, etc.);
Ou traga seu modelo personalizado criado com qualquer estrutura de AI/ML usando `Create Function`.

Siga o Guia de Iniciação para entrar no bordo o mais rápido possível.

Consultas ilustrativas

Obtenha informações sobre o Github Stargazers usando o GPT4.

 SELECT name, country, email, programming_languages, social_media, GPT4(prompt,topics_of_interest)
FROM gpt4all_StargazerInsights;

-- - Prompt to GPT-4
You are given 10 rows of input, each row is separated by two new line characters.
Categorize the topics listed in each row into one or more of the following 3 technical areas - Machine Learning, Databases, and Web development. If the topics listed are not related to any of these 3 areas, output a single N / A. Do not miss any input row. Do not add any additional text or numbers to your output.
The output rows must be separated by two new line characters. Each input row must generate exactly one output row. For example, the input row [Recommendation systems, Deep neural networks, Postgres] must generate only the output row [Machine Learning, Databases].
The input row [enterpreneurship, startups, venture capital] must generate the output row N / A.

Construa um índice vetorial no recurso Incorporados retornados pelo extrator de recurso SIFT em uma coleção de imagens do Reddit. Retorne as 5 principais imagens semelhantes para uma determinada imagem.

 CREATE INDEX reddit_sift_image_index
    ON reddit_dataset (SiftFeatureExtractor(data))
    USING FAISS

SELECT name FROM reddit_dataset ORDER BY
    Similarity(
        SiftFeatureExtractor(Open( ' reddit-images/g1074_d4mxztt.jpg ' )),
        SiftFeatureExtractor(data)
    )
    LIMIT 5

Aplicativos ilustrativos

Aqui estão alguns aplicativos de IA ilustrativos construídos usando o EVADB (cada caderno pode ser aberto no Google Colab):

? Análise de sentimentos usando LLM no PostgreSQL
? Resposta de perguntas em vídeo baseada em chatgpt
? Resumo de texto em documentos em PDF
? Analisando o fluxo de tráfego com YOLO
? Examinando emoções do filme
? Pesquisa de similaridade da imagem

Consultas mais ilustrativas

Obtenha uma transcrição de um vídeo armazenado em uma tabela usando um modelo de reconhecimento de fala. Em seguida, faça perguntas sobre a transcrição extraída usando o ChatGPT.

 CREATE TABLE text_summary AS
    SELECT SpeechRecognizer(audio) FROM ukraine_video;
SELECT ChatGPT( ' Is this video summary related to Ukraine russia war ' , text )
    FROM text_summary;

Treine um modelo clássico de ML para previsão usando o motor Ludwig AI.

 CREATE FUNCTION IF NOT EXISTS PredictHouseRent FROM
( SELECT * FROM HomeRentals)
TYPE Ludwig
PREDICT ' rental_price '
TIME_LIMIT 120 ;

Arquitetura de Evadb

O otimizador de consulta centrado na AI da EVADB pega uma consulta como entrada e gera um plano de consulta. O mecanismo de consulta pega o plano de consulta e atinge os back -ends relevantes para processar com eficiência a consulta: 1. Sistemas de banco de dados SQL (dados estruturados) 2. Estruturas de AI (transformar dados não estruturados em dados estruturados; dados não estruturados incluem PDFs, texto, imagens, etc. armazenadas localmente ou na nuvem) 3. Sistemas de dados de dados (dados do dados do dados do dados do dados do dados (recursos de texto, etc. etc.

Comunidade e apoio

Gostaríamos muito de aprender sobre seu aplicativo de IA. Preencha este formulário de 1 minuto: https://v0fbgcue0cm.typeform.com/to/bzhzwezm

Se você encontrar algum bug ou tiver algum comentário, poderá entrar em contato conosco em nossa comunidade Slack? Ou crie um problema do github?.

Aqui está o roteiro público de Evadb? Priorizamos os recursos com base no feedback do usuário, por isso gostaríamos de ouvir você!

Contribuindo

Somos uma equipe enxuta em uma missão para trazer a IA dentro dos sistemas de banco de dados! Todos os tipos de contribuições para o evadb são apreciados? Se você quiser se envolver, aqui estão as informações sobre onde poderíamos usar sua ajuda: Guia de Contribuição?

Status do CI: