共计 3577 个字符，预计需要花费 9 分钟才能阅读完成。
DocArray 是由 Jina AI 近期公布的、实用于嵌套及非结构化数据传输的库，本文将演示如何利用 DocArray，搭建一个简略的服装搜索引擎。
动工大吉，各位同学大家好哇！
咱们为大家精心筹备了一学就会的 Demo 以及开箱即用的工具， 新的一年，让咱们借助这个无敌 buff，解决非结构化数据传输这个让人头疼的阻碍吧~
DocArray：深度学习工程师必备 library
DocArray: The data structure for unstructured data.
DocArray 是一种可扩大数据结构，完满适配深度学习工作， 次要用于嵌套及非结构化数据的传输， 反对的数据类型包含文本、图像、音频、视频、3D mesh 等。
与其余数据结构相比：
✅ 示意齐全反对，✔ 示意局部反对，❌ 示意不反对
利用 DocArray，深度学习工程师能够借助 Pythonic API， 无效地解决、嵌入、搜寻、举荐、存储和传输数据。
在后续教程示例中，你将理解：
- 借助 DocArray，搭建一个简略的服装搜寻零碎；
- 上传服装图片，并在数据集中找到类似匹配
注：本教程所有代码都能够在 GitHub 下载。
手把手教你搭建一个服装搜寻零碎
筹备工作：观看 DocArray 视频
5min 买不了吃亏买不了受骗，反而会排除常识阻碍，为后续步骤做好筹备。
家养字幕君在线翻译中，预计本周公布中文字幕视频，英文视频见 Here。
from IPython.display import YouTubeVideo
YouTubeVideo("Amo19S1SrhE", width=800, height=450)配置：设置根本变量，并依我的项目调整
DATA_DIR = "./data"
DATA_PATH = f"{DATA_DIR}/*.jpg"
MAX_DOCS = 1000
QUERY_IMAGE = "./query.jpg" # image we'll use to search with
PLOT_EMBEDDINGS = False # Really useful but have to manually stop it to progress to next cell
# Toy data - If data dir doesn't exist, we'll get data of ~800 fashion images from here
TOY_DATA_URL = "https://github.com/alexcg1/neural-search-notebooks/raw/main/fashion-search/data.zip?raw=true"设置
# We use "[full]" because we want to deal with more complex data like images (as opposed to text)
!pip install "docarray[full]==0.4.4"from docarray import Document, DocumentArray加载图片
# Download images if they don't exist
import os
if not os.path.isdir(DATA_DIR) and not os.path.islink(DATA_DIR):
print(f"Can't find {DATA_DIR}. Downloading toy dataset")
!wget "$TOY_DATA_URL" -O data.zip
!unzip -q data.zip # Don't print out every darn filename
!rm -f data.zip
else:
print(f"Nothing to download. Using {DATA_DIR} for data")# Use `.from_files` to quickly load them into a `DocumentArray`
docs = DocumentArray.from_files(DATA_PATH, size=MAX_DOCS)
print(f"{len(docs)} Documents in DocumentArray")docs.plot_image_sprites() # Preview the images图片预处理
from docarray import Document
# Convert to tensor, normalize so they're all similar enough
def preproc(d: Document):
return (d.load_uri_to_image_tensor() # load
.set_image_tensor_shape((80, 60)) # ensure all images right size (dataset image size _should_ be (80, 60))
.set_image_tensor_normalization() # normalize color
.set_image_tensor_channel_axis(-1, 0)) # switch color axis for the PyTorch model later# apply en masse
docs.apply(preproc)图片嵌入
!pip install torchvision==0.11.2
# Use GPU if available
import torch
if torch.cuda.is_available():
device = "cuda"
else:
device = "cpu"import torchvision
model = torchvision.models.resnet50(pretrained=True) # load ResNet50docs.embed(model, device=device)
可视化嵌入向量
if PLOT_EMBEDDINGS:
docs.plot_embeddings(image_sprites=True, image_source="uri")创立 query Document
此处应用的是数据集中的第一张图片
# Download query doc
!wget https://github.com/alexcg1/neural-search-notebooks/raw/main/fashion-search/1_build_basic_search/query.jpg -O query.jpg
query_doc = Document(uri=QUERY_IMAGE)
query_doc.display()# Throw the one Document into a DocumentArray, since that's what we're matching against
query_docs = DocumentArray([query_doc])# Apply same preprocessing
query_docs.apply(preproc)# ...and create embedding just like we did with the dataset
query_docs.embed(model, device=device) # If running on non-gpu machine, change "cuda" to "cpu"匹配
query_docs.match(docs, limit=9)
查看后果
模型会根据输出图片进行匹配，此处的匹配甚至会波及到对模特的匹配。
咱们只心愿模型针对服装进行匹配， 因而这里应用 Jina AI 的后果调优工具 Finetuner 进行调优。
(DocumentArray(query_doc.matches, copy=True)
.apply(lambda d: d.set_image_tensor_channel_axis(0, -1)
.set_image_tensor_inv_normalization())).plot_image_sprites()if PLOT_EMBEDDINGS:
query_doc.matches.plot_embeddings(image_sprites=True, image_source="uri")进阶教程预报
1、微调模型
后续 notebook 中，咱们将展现如何借助 Jina Finetuner 进步模型的性能。
2、创立利用
后续教程中，咱们将演示如何利用 Jina 的神经搜寻框架和 Jina Hub Executors，打造和扩大搜索引擎。
点击此处查看高清动图
本文相干链接：
Jina Hub：https://hub.jina.ai/
Jina GitHub：https://github.com/jina-ai/jina/
Finetuner：https://finetuner.jina.ai/
退出 Slack：https://slack.jina.ai/
在 Colab 中查看以上全副代码：
https://reurl.cc/RjLy5z
