当前位置: 首页 > news >正文

哪里做百度网站/全球疫情最新数据

哪里做百度网站,全球疫情最新数据,网站怎样续费,做文件的网站基于ragflow中deepdoc对pdf文档的rag系统 一、安装 conda环境安装到指定的路径 conda create 包名/环境的名字 rag就是包的名字,ragflow就是环境名; 怎样激活环境?–我是在百度飞桨上面跑的 conda activate /home/aistudio/rag/ragflow …

基于ragflow中deepdoc对pdf文档的rag系统

一、安装

conda环境安装到指定的路径

conda create 包名/环境的名字
在这里插入图片描述
rag就是包的名字,ragflow就是环境名;

  • 怎样激活环境?–我是在百度飞桨上面跑的
    conda activate /home/aistudio/rag/ragflow

安装python库

datrie==0.8.2
akshare>=1.15.78,<2.0.0
azure-storage-blob==12.22.0
azure-identity==1.17.1
azure-storage-file-datalake==12.16.0
anthropic==0.34.1
arxiv==2.1.3
aspose-slides>=24.9.0,<25.0.0; platform_machine == 'x86_64' or (sys_platform == 'darwin' and platform_machine == 'arm64')
beartype>=0.18.5,<0.19.0
bio==1.7.1
blinker==1.7.0
boto3==1.34.140
botocore==1.34.140
cachetools==5.3.3
chardet==5.2.0
cn2an==0.5.22
cohere==5.6.2
Crawl4AI==0.3.8
dashscope==1.20.11
deepl==1.18.0
demjson3==3.0.6
discord-py==2.3.2
duckduckgo-search>=7.2.0,<8.0.0
editdistance==0.8.1
elastic-transport==8.12.0
elasticsearch==8.12.1
elasticsearch-dsl==8.12.0
fasttext==0.9.3
filelock==3.15.4
flask==3.0.3
flask-cors==5.0.0
flask-login==0.6.3
flask-session==0.8.0
google-search-results==2.4.2
groq==0.9.0
hanziconv==0.3.2
html-text==0.6.2
httpx==0.27.0
huggingface-hub>=0.25.0,<0.26.0
infinity-sdk==0.6.0-dev3
infinity-emb>=0.0.66,<0.0.67
itsdangerous==2.1.2
json-repair==0.35.0
markdown==3.6
markdown-to-json==2.1.1
minio==7.2.4
mistralai==0.4.2
nltk==3.9.1
numpy>=1.26.0,<2.0.0
ollama==0.2.1
onnxruntime==1.19.2; sys_platform == 'darwin' or platform_machine != 'x86_64'
onnxruntime-gpu==1.19.2; sys_platform != 'darwin' and platform_machine == 'x86_64'
openai==1.45.0
opencv-python==4.10.0.84
opencv-python-headless==4.10.0.84
openpyxl>=3.1.0,<4.0.0
ormsgpack==1.5.0
pandas>=2.2.0,<3.0.0
pdfplumber==0.10.4
peewee==3.17.1
pillow==10.4.0
protobuf==5.27.2
psycopg2-binary==2.9.9
pyclipper==1.3.0.post5
pycryptodomex==3.20.0
pypdf>=5.0.0,<6.0.0
pytest>=8.3.0,<9.0.0
python-dotenv==1.0.1
python-dateutil==2.8.2
python-pptx>=1.0.2,<2.0.0
pywencai==0.12.2
qianfan==0.4.6
ranx==0.3.20
readability-lxml==0.8.1
valkey==6.0.2
requests==2.32.2
replicate==0.31.0
roman-numbers==1.0.2
ruamel-base==1.0.0
scholarly==1.7.11
scikit-learn==1.5.0
selenium==4.22.0
selenium-wire==5.1.0
setuptools>=75.2.0,<76.0.0
shapely==2.0.5
six==1.16.0
strenum==0.4.15
tabulate==0.9.0
tencentcloud-sdk-python==3.0.1215
tika==2.6.0
tiktoken==0.7.0
umap_learn==0.5.6
vertexai==1.64.0
volcengine==1.0.146
voyageai==0.2.3
webdriver-manager==4.0.1
werkzeug==3.0.6
wikipedia==1.4.0
word2number==1.1
xgboost==1.5.0
xpinyin==0.7.6
yfinance==0.1.96
zhipuai==2.0.1
ruamel-yaml>=0.18.6,<0.19.0
google-generativeai>=0.8.1,<0.9.0
python-docx>=1.1.2,<2.0.0
pypdf2>=3.0.1,<4.0.0
graspologic>=3.4.1,<4.0.0
pymysql>=1.1.1,<2.0.0
mini-racer>=0.12.4,<0.13.0
pyodbc>=5.2.0,<6.0.0
flasgger>=0.9.7.1,<0.10.0
xxhash>=3.5.0,<4.0.0
bcembedding==0.1.5
fastembed>=0.3.6,<0.4.0; sys_platform == 'darwin' or platform_machine != 'x86_64'
fastembed-gpu>=0.3.6,<0.4.0; sys_platform != 'darwin' and platform_machine == 'x86_64'
flagembedding==1.2.10
torch>=2.5.0,<3.0.0
transformers>=4.35.0,<5.0.0
langchain
langchain-community
faiss-gpu
  • 怎样从pyproject.toml中使用conda进行安装;
    • 直接调用大模型上传pyproject.toml加上提示词就能够生成requirements.txt

注意:版本有问题,使用最新版本的进行安装的pyproject.toml进行改装;

二、解析pdf文件

根据ragflow的demo中可以查看解析的格式

https://demo.ragflow.io
在这里插入图片描述

到达路径下面-cd ragflow/rag/app/接可以看到可以解析的各种切片的方法:

在这里插入图片描述

怎样进行切分呢?(基本上只有这些)

+ 法律文档:使用laws.py来运行
+ ppt:presentation.py
+ 论文:paper.py
+ 简历:resume.py
+ 问答:qa.py

都可以在https://demo.ragflow.io中查看简介

  • 以paper.py为例
  1. 在import前面添加:
import sys
sys.path.append("../..")

在这里插入图片描述
2. 在主函数后面直接替换

if __name__ == "__main__":import sysdef dummy(prog=None, msg=""):print(prog,msg)#chunk(sys.argv[1], callback=dummy)import ospath = "/home/aistudio/majority"files=os.listdir(path)file_paths=[path+"/"+file for file in files]print("file_paths=",file_paths)for i in file_paths:print(i)all_chunks = []# 遍历处理每个文件for i,path in enumerate(file_paths):print(f"第{i}path=",path)chunks = chunk(path, callback=dummy)with open("/home/aistudio/paper.txt","a") as f:for chunk1 in chunks:f.write(chunk1["content_with_weight"]+"\n\n")all_chunks.extend(chunks)  # 合并所有chunksprint(f"path={path}成功")print("Total chunks=", len(all_chunks))# 保存合并后的txt文件from langchain.embeddings import HuggingFaceEmbeddingsfrom langchain.vectorstores import FAISSembeddings = HuggingFaceEmbeddings(model_name="/home/aistudio/bge_large",model_kwargs = {'device': 'cuda'})chunks_content = [chunk["content_with_weight"] for chunk in all_chunks]FAISS.from_texts(chunks_content, embeddings).save_local(r"/home/aistudio/faiss_ppt")print("多文件保存完毕")
  1. 运行
    ragflow/rag/app的路径下运行:
python paper.py
  • 注意 path = "/home/aistudio/majority"是pdf的文件夹的路径;

三、rag检索向量数据库

def retriever(query):#读取faiss_ppt的数据库from langchain.embeddings import HuggingFaceEmbeddingsfrom langchain.vectorstores import FAISSembeddings = HuggingFaceEmbeddings(model_name=r"D:\program\phone_check\bge_large")db = FAISS.load_local("faiss_ppt", embeddings,allow_dangerous_deserialization = True)# 从数据库中获取与问题最相关的10个的文档docs = db.similarity_search(query, k=10)#读取docs的内容docs_content=[]for doc in docs:docs_content.append(doc.page_content)return docs_content
  • query:是字符串
  • model_name:是本地的模型路径(保存faiss的embedding与加载faiss的我embedding相同)

四、错误

4.1 python库的版本不匹配

  • 对requirements.txt根据最新版的ragflow进行更新

4.2 wordnet.zip和punk_tab.zip缺失

  • 下载地址
    https://aistudio.baidu.com/datasetdetail/319730

五、deepdoc的优势

可以提取表格;可以快速的应用pdf的切片。

http://www.lryc.cn/news/577802.html

相关文章:

  • 比分网站制作/搜索网站大全排名
  • 建站如何挣钱/网站推广教程
  • 武威网站制作公司哪个好/外贸seo网站推广
  • 网站建设战略伙伴/关键词优化怎么操作
  • 有没有哪个网站免费做简历的/b站24小时自助下单平台网站
  • 成都网站建设成都app开发/网站权重怎么查
  • 程序员做情侣网站/宝塔没有域名直接做网站怎么弄
  • 网站建设意见建议/短链接生成器
  • 黄江镇仿做网站/百度网盘下载速度慢破解方法
  • 儿童摄影网站建设/企业网站推广方案
  • 用别人网站做app的危害/昆明优化网站公司
  • 制作公司内部网站/山西seo优化公司
  • discuz做门户网站/经典营销案例
  • 如何取一个大气的名字的做网站/seo外链查询工具
  • 武汉教育网站制作公司/手机怎么创建网站
  • 导购网站开发 源码/百度搜索排名推广
  • 做网站横幅的软件/品牌营销包括哪些方面
  • 深圳私人网站优化/湖南网站建设效果
  • wordpress 接入外网就快/班级优化大师官网下载
  • 黑客代码复制 装b/湖南优化电商服务有限公司
  • 嘉兴网站优化联系方式/app排名优化
  • 合作市建设局网站/深圳网络推广培训中心
  • 淘宝网站建设属于什么类目/seo网络推广怎么做
  • 100m的光纤可以做网站吗/西安seo诊断
  • 如何建设公司门户网站/网站的seo 如何优化
  • 网站建设公司服务/google 浏览器
  • 海南旅游网页设计/草根seo博客
  • 网站建设有哪些渠道/浅谈一下网络营销的几个误区
  • 如何对自己做的php网站加密/网店推广的重要性
  • 做网站技术要求怎么写/seo建站技巧