嵌入模型(Embedding)

1. 核心概念

　　A. Embedding向量维度：向量的长度，也就是模型输出的维度；

　　B. 最大Token数：输出文本的最大长度。

2. 分类

　　A. 稀疏Embedding：擅长关键词匹配，适用于需要精确匹配的场景；

　　B. 稠密Embedding：擅长语义理解，适用于需要捕捉语义相似度的场景；

　　C. 混合Embedding：结合稀疏Embedding和稠密Embedding的优势，以实现更全面的检索效果。

 

3. 常见问题

　　A. 问题：在huggingface网站上下载模型报错：OSError: We couldn‘t connect to ‘https://huggingface.co‘ to load this file

　　　 解决办法：找到环境中的constants.py文件：conda路径/env/环境名称/Lib/site-packages/huggingface_hub/constants.py

　　　　　　　　修改HUGGINGFACE_CO_URL_HOME和_HF_DEFAULT_ENDPOINT值为https://hf-mirror.com