t_wの輪郭

Feedlyでフォローするボタン
生成AIAWS
『Amazon BedrockのAPIとGradioで簡単なUIを作って画像生成してみた』Agents for Amazon BedrockTitan Multimodal Embeddings G1あれ『[アップデート]Agents for Amazon Bedrockが発表されました！ #AWSreInvent』あれknownetの曖昧検索あれ『Bun & Honoで始めるAmazon Bedrock入門』あれAmazon BedrockのSentence Embeddingの料金はOpenAIと同じTitan Text Embeddings v2あれAmazon BedrockでSentence Embeddingを取得するあれAmazon Bedrockが正式公開されてしまった『Amazon Bedrockで利用可能になったMeta社のLlama 3.1を試してみた - サーバーワークスエンジニアブログ』

あれ

2023/12/2 23:21:00

knownetの検索をBedrockからBERTに移行した。
検索精度の変化は定量的な比較をしてないので謎。体感的には変わらん気がする。

knownetの曖昧検索

2023/10/4 23:50:00

当初ベクトル検索を用いようとしていたが、検索速度や精度に問題が有るため取りやめた。

現在は検索語を分かち書きして、検索語を構成する句を含む投稿を取得、さらにその投稿と紐づく投稿を取得し、投稿のEmbeddingと検索語のEmbeddingのコサイン類似度で並び替えしている。

Embeddingの取得にはAmazon Bedrockを使っている。

あれ

2023/10/4 23:48:00

遺伝的ホニャララは死にました。
Amazon Bedrockが正式リリースされてしまったので、それを使っております。

あれ

2023/9/29 22:42:00

来ましたわあああああ 

import boto3
import json

bedrock_runtime = boto3.client('bedrock-runtime', region_name="us-east-1")

def handler(event, context):
    # プロンプトに設定する内容を取得
    prompt = event.get('prompt')

    # 各種パラメーターの指定
    modelId = 'amazon.titan-embed-text-v1' 
    accept = 'application/json'
    contentType = 'application/json'

    # リクエストBODYの指定
    body = json.dumps({
        "inputText": prompt,
    })

    # Bedrock APIの呼び出し
    response = bedrock_runtime.invoke_model(
    	modelId=modelId,
    	accept=accept,
    	contentType=contentType,
        body=body
    )

    # APIレスポンスからBODYを取り出す
    response_body = json.loads(response.get('body').read())

    print(response_body)

    # レスポンスBODYから応答テキストを取り出す
    embedding = response_body.get('embedding')

    return embedding

コードの改変元

https://dev.classmethod.jp/articles/invoke-bedrock-form-lambda-function/