跳到主要內容

NVIDIA

這將幫助您開始使用 NVIDIA 模型。如需所有 NVIDIA 功能和組態的詳細文件，請前往 API 參考。

概觀​

langchain-nvidia-ai-endpoints 套件包含 LangChain 整合，用於建構在 NVIDIA NIM 推論微服務上使用模型的應用程式。這些模型經過 NVIDIA 最佳化，可在 NVIDIA 加速基礎架構上提供最佳效能，並部署為 NIM，這是一種易於使用的預建容器，可使用單一命令在 NVIDIA 加速基礎架構上隨處部署。

NIM 的 NVIDIA 託管部署可在 NVIDIA API 目錄上進行測試。測試後，可以使用 NVIDIA AI Enterprise 授權從 NVIDIA 的 API 目錄匯出 NIM，並在內部部署或雲端中執行，讓企業擁有其 IP 和 AI 應用程式的所有權和完全控制權。

NIM 以每個模型為基礎封裝為容器映像，並透過 NVIDIA NGC Catalog 作為 NGC 容器映像發佈。NIM 的核心是為在 AI 模型上執行推論提供簡單、一致且熟悉的 API。

此範例說明如何使用 LangChain 透過 NVIDIA 類別與 NVIDIA 支援互動。

如需有關透過此 API 存取 llm 模型的更多資訊，請查看 NVIDIA 文件。

整合詳細資訊​

類別套件本機可序列化JS 支援套件下載套件最新版本
NVIDIAlangchain_nvidia_ai_endpoints✅beta❌PyPI - DownloadsPyPI - Version

模型功能​

JSON 模式影像輸入音訊輸入視訊輸入Token 層級串流原生非同步Token 使用量Logprobs
❌✅❌❌✅❌❌❌

設定​

開始使用

  1. 使用 NVIDIA 建立免費帳戶，其中託管 NVIDIA AI Foundation 模型。

  2. 按一下您選擇的模型。

  3. 在 Input 下方，選取 Python 標籤，然後按一下 Get API Key。然後按一下 Generate Key。

  4. 複製產生的金鑰並儲存為 NVIDIA_API_KEY。從這裡，您應該可以存取端點。

憑證​

import getpass
import os

if not os.getenv("NVIDIA_API_KEY"):
    # Note: the API key should start with "nvapi-"
    os.environ["NVIDIA_API_KEY"] = getpass.getpass("Enter your NVIDIA API key: ")

安裝​

LangChain NVIDIA AI Endpoints 整合位於 langchain_nvidia_ai_endpoints 套件中

%pip install --upgrade --quiet langchain-nvidia-ai-endpoints

例項化​

請參閱 LLM 以取得完整功能。

from langchain_nvidia_ai_endpoints import NVIDIA
API 參考：NVIDIA
llm = NVIDIA().bind(max_tokens=256)
llm

調用​

prompt = "# Function that does quicksort written in Rust without comments:"
print(llm.invoke(prompt))

串流、批次和非同步​

這些模型原生支援串流，而且與所有 LangChain LLM 一樣，它們公開批次方法來處理並行請求，以及用於調用、串流和批次的非同步方法。以下是一些範例。

for chunk in llm.stream(prompt):
    print(chunk, end="", flush=True)
llm.batch([prompt])
await llm.ainvoke(prompt)
async for chunk in llm.astream(prompt):
    print(chunk, end="", flush=True)
await llm.abatch([prompt])
async for chunk in llm.astream_log(prompt):
    print(chunk)
response = llm.invoke(
    "X_train, y_train, X_test, y_test = train_test_split(X, y, test_size=0.1) #Train a logistic regression model, predict the labels on the test set and compute the accuracy score"
)
print(response)

支援的模型​

查詢 available_models 仍會提供您的 API 憑證提供的所有其他模型。

NVIDIA.get_available_models()
# llm.get_available_models()

鏈結​

我們可以像這樣使用提示範本鏈結我們的模型

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate(
    [
        (
            "system",
            "You are a helpful assistant that translates {input_language} to {output_language}.",
        ),
        ("human", "{input}"),
    ]
)

chain = prompt | llm
chain.invoke(
    {
        "input_language": "English",
        "output_language": "German",
        "input": "I love programming.",
    }
)
API 參考：ChatPromptTemplate

API 參考​

如需所有 NVIDIA 功能和組態的詳細文件，請前往 API 參考：https://langchain-python.dev.org.tw/api_reference/nvidia_ai_endpoints/llms/langchain_nvidia_ai_endpoints.llms.NVIDIA.html

此頁面是否對您有幫助？