状況

貧乏な自分はOpenAIのエンベディングモデルを利用するには無理があった
そこでhuggingfaceにあるエンベディングモデルを利用することにした

huggingfaceからモデルをダウンロード

今回はmultilingual-e5-largeを利用する想定

pip install sentence_transformers

from huggingface_hub import snapshot_download

download_path = snapshot_download(repo_id="intfloat/multilingual-e5-large", local_dir="ダウンロードしたいところ")

利用

pip install langchain
pip install InstructorEmbedding

from langchain.embeddings import HuggingFaceInstructEmbeddings

モデルの指定

def embedding_model():
  # em = OpenAIEmbeddings(model='text-embedding-ada-002', deployment="embedding-ada-002")
  model_name = "さっきのダウンロードしたところのパス"
  model_kwargs = {'device': 'cpu'}
  encode_kwargs = {'normalize_embeddings': True}
  em = HuggingFaceInstructEmbeddings(
      model_name=model_name,
      model_kwargs=model_kwargs,
      encode_kwargs=encode_kwargs
  )
  return em

今回chromaを利用しています。

実際利用

　persist_directory = f"db/{texts_name}"
　texts = "おかねをくれ~~"
　embeddings = embedding_model()
  vectordb = Chroma.from_documents(texts, embeddings, persist_directory=persist_directory)
  vectordb.persist()

結果

短いテキストとかならエンベディングできたんですけど
長いテキストはスペックが足りずにできませんでしたｗ

GPU付のPCを買うお金がないので詰みました😢
世はLLM時代　お金がかかる・・・