keras search engine

Engine de Keras-Search

Um simples documento e mecanismo de pesquisa de imagem implementado em Keras

Características

• Codificação de nível de documento usando incorporação de palavras de luva
• Suporte a pesquisa completa de texto usando a incorporação de luvas
• Indexação de documentos de suporte via API da Web
• Suporte à pesquisa de imagem
• Suportar a indexação de imagem via API da Web
• Documentar o codificação automática usando o codificador LSTM com incorporação de luvas

Uso

Executando o servidor de API da web

Goto Keras_search_engine_web diretório e execute o seguinte comando:

python flaskr.py

Agora navegue pelo seu navegador para http: // localhost: 5000 e você pode experimentar

• A pesquisa de livros de histórias (pela qual o usuário insere a consulta de pesquisa nos livros de história que são carregados de keras_search_engine_train/dados/textos)
• A pesquisa de imagem (pela qual o usuário carrega uma imagem para pesquisar entre imagens armazenadas no keras_search_engine_train/dados/imagens)

Invocar a API da Web para indexar e pesquisar o documento de texto

Com o servidor da API da Web em execução, você pode indexar um novo documento chamando a seguinte API da Web:

http://localhost:5000/index_text

Por exemplo, o seguinte é o comando curl para chamar a API da Web para indexar alguns documentos:

curl -H ' Content-Type application/json ' -X POST -d ' {"doc":"Whether you think that you can, or that you can ' t, you are usually right. " }' http://localhost:5000/index_text
curl -H 'Content-Type application/json' -X POST -d '{ " doc " : " Try to learn something about everything and everything about something. " }' http://localhost:5000/index_text
curl -H 'Content-Type application/json' -X POST -d '{ " doc " : " You can avoid reality, but you cannot avoid the consequences of avoiding reality. " }' http://localhost:5000/index_text
curl -H 'Content-Type application/json' -X POST -d '{ " doc " : " A mathematician is a device for turning coffee into theorems. " }' http://localhost:5000/index_text
curl -H 'Content-Type application/json' -X POST -d '{ " doc " : " In theory, there is no difference between theory and practice. But in practice, there is. " }' http://localhost:5000/index_text
curl -H 'Content-Type application/json' -X POST -d '{ " doc " : " I find that the harder I work, the more luck I seem to have. " }' http://localhost:5000/index_text

Para consultar usando a API da Web, você pode chamar a seguinte API da Web:

curl -H ' Content-Type application/json ' -X POST -d ' {"query":"mathematician and coffee", "limit": 3, "model": "glove"} ' http://localhost:5000/search_text

Invoque a API da Web para indexar e a imagem de busca

Com o servidor da API da Web em execução, você pode indexar uma nova imagem chamando a seguinte API da Web via solicitação de postagem:

http://localhost:5000/index_image

Você pode consultar imagens semelhantes chamando a seguinte solicitação de postagem da API da web:

http://localhost:5000/search_image/10

onde 10 é o limite do número de imagens retornadas

Use o SearchEngineClient

Há também uma classe SearchEngineclient na Keras_search_engine_client, os códigos de amostra se parecem:

 from keras_search_engine_client . search_engine_client import SearchEngineClient
client = SearchEngineClient ()

# text indexing and search
doc_count = client . doc_count ()
if doc_count < 4 :
    client . index_text ( 'Whether you think that you can, or that you can.' )
    client . index_text ( 'Try to learn something about everything and everything about something.' )
    client . index_text ( 'You can avoid reality, but you cannot avoid the consequences of avoiding reality.' )
    client . index_text ( 'A mathematician is a device for turning coffee into theorems.' )
    client . index_text ( 'In theory, there is no difference between theory and practice. But in practice, there is.' )
    client . index_text ( 'I find that the harder I work, the more luck I seem to have.' )
client . search_text ( query = 'mathematician and coffee' , limit = 3 , model = 'glove' )
client . search_text ( query = 'mathematician and coffee' , limit = 3 , model = 'doc-encoder' )

# image indexing and search
client . index_image ( './images/Pokemon7.png' )
client . search_image ( './images/Pokemon1.jpg' , 6 )

Configure para executar na GPU no Windows

• Etapa 1: Altere o tensorflow para tensorflow-gpu em requisitos.txt e instale o tensorflow-gpu
• Etapa 2: Faça o download e instale o CUDA® Toolkit 9.0 (observe que atualmente o CUDA® Toolkit 9.1 ainda não é suportado pelo TensorFlow; portanto, você deve baixar o CUDA® Toolkit 9.0)
• Etapa 3: Baixe e descompacte o CUDNN 7.4 para CUDA@ Toolkit 9.0 e adicione a pasta Bin do diretório descompactado ao $ Path do seu ambiente Windows