跳到主要内容
通过开源 johnsnowlabs 库，您可以访问 johnsnowlabs 企业级 NLP 库生态系统，其中包含 200 多种语言的 21,000 多个企业级 NLP 模型。有关所有 24,000 多个模型，请参阅 John Snow Labs 模型中心

​
安装和设置

pip install johnsnowlabs
要[安装企业版功能](https://nlp.johnsnowlabs.com/docs/en/jsl/install_licensed_quick)，请运行 
# for more details see https://nlp.johnsnowlabs.com/docs/en/jsl/install_licensed_quick
nlp.install()
您可以使用针对 gpu、cpu、apple_silicon、aarch 进行优化的二进制文件嵌入您的查询和文档。默认情况下使用 CPU 二进制文件。一旦会话开始，您必须重新启动笔记本才能在 GPU 或 CPU 之间切换，否则更改将不会生效。

​
使用 CPU 嵌入查询

document = "foo bar"
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert')
output = embedding.embed_query(document)

​
使用 GPU 嵌入查询

document = "foo bar"
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','gpu')
output = embedding.embed_query(document)

​
使用 Apple Silicon（M1、M2 等）嵌入查询

documents = ["foo bar", 'bar foo']
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','apple_silicon')
output = embedding.embed_query(document)

​
使用 AARCH 嵌入查询

documents = ["foo bar", 'bar foo']
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','aarch')
output = embedding.embed_query(document)

​
使用 CPU 嵌入文档

documents = ["foo bar", 'bar foo']
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','gpu')
output = embedding.embed_documents(documents)

​
使用 GPU 嵌入文档

documents = ["foo bar", 'bar foo']
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','gpu')
output = embedding.embed_documents(documents)

​
使用 Apple Silicon（M1、M2 等）嵌入文档

```python
documents = ["foo bar", 'bar foo']
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','apple_silicon')
output = embedding.embed_documents(documents)

​
使用 AARCH 嵌入文档

```python
documents = ["foo bar", 'bar foo']
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','aarch')
output = embedding.embed_documents(documents)
模型通过 nlp.load 加载，并且 Spark 会话在底层通过 nlp.start() 启动。
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.