Jina 实例秀 —— 跨模态搜索

在本教程中，Jina将用于构建跨模态的搜索应用程序。

在Jina框架的支持下，应用程序使用了Open AI的最新自然语言模型CLIP：CLIP可将一段文本或一张图片编码为512维向量。通过向量的相似度比较，可使用文字描述对图片进行搜索；也可以使用图片对相应的文字描述进行搜索。

让我们看看程序的整体框架： 

在索引过程中，我们将数据集中的所有图像和文本编码为向量，并创建这些向量的索引。 

在搜索过程中，当我们输入文本时，首先计算该文本的向量表示。与索引过程不同，搜索过程中将对文本输入使用图片indexer，将文本向量与之前计算的图片向量索引进行比较，最终找到最符合文本描述的图像。类似的，也可以使用图像来搜索相对应的文本描述。

在了解了整体框架和运行原理后，让我们开始构建吧！

Let's begin🏃‍♀️

 下载代码库并安装Jina 

---

下载代码库（包括代码与数据集）并进入到相应文件夹：

git clone https://github.com/jina-ai/examples
cd examples/cross-modal-search

安装Jina和环境配置：

pip install -r requirements.txt

💡 Jina安装小提示：

• 推荐在一个新的python虚拟环境中安装Jina

 下载数据集(optional) 

---

我们默认使用一个小型数据集用于索引，若想使用完整的数据集： 

Step1：对Kaggle进行设置（具体方式可在“阅读原文”中查找） 

Step2：运行以下脚本下载数据

sh get_data.sh

 建立数据索引 

---

运行下面代码对数据集建立索引:

python app.py -t index

若想要对下载好的完整数据建立索引，则运行下面的代码:

python app.py -t index -d f8k -n 8000

💡 数据索引小提示：

• 对于数量较大的索引，SimpleIndexer处理
  速度非常慢。建议使用更高级的索引器，如FaissIndexer来建立大量数据索引

 输入数据进行查询 

---

Jina提供了多种搜索数据的方法。在这里，我们展示使用Restful API 的方式：

python app.py -t query_restful

💡 小提示：

• 将启动一个Restful API等待搜索请求

向应用程序发送搜索请求：

curl --request POST -d '{"parameters":{"top_k": 5}, "data": ["a black dog and a spotted dog are fighting"]}' -H 'Content-Type: application/json' 'http://localhost:45678/search'

💡 小提示：

• 将返回JSON格式的输出，其中包含五个最相
  关的图像

 ⭐️Jina实例秀系列教程将不断更新 ⭐️

 ⭐️敬请持续关注 ⭐️ 

点击下方 “阅读原文”，获得更详细的Jina 相关教程

---

👇 往期系列教程