基于llama-index对embedding模型进行微调

from llama_index import LlamaIndex
from sentence_transformers import SentenceTransformer
 
# 初始化embedding模型
model = SentenceTransformer('all-MiniLM-L6-v2')
 
# 初始化llama-index索引
index = LlamaIndex(model)
 
# 向索引中添加数据
index.add("Hello world!")
index.add("How are you?")
 
# 查询
query = "How are you doing today?"
results = index.query(query)
 
# 输出查询结果
for score, text in results:
    print(f"Score: {score:.4f}, Text: {text}")

这段代码使用了llama_index库和sentence_transformers库来创建一个基于预训练模型的embedding索引，并对其进行查询。首先，我们使用SentenceTransformer初始化一个预训练的embedding模型。然后，我们使用这个模型初始化一个LlamaIndex对象。接着，我们向索引中添加了两个句子。最后，我们使用一个查询句子来检索与之相似的已添加句子。在查询结果中，我们打印出每个结果的得分和对应的文本。