embedding_studio

(★ 382)

Embedding Studio is a framework which allows you transform your Vector Database into a feature-rich Search Engine.

  • .env
  • .gitignore
  • docker-compose.local.yml
  • docker-compose.yml
  • LICENSE
  • mkdocs.yml
  • pyproject.toml
  • README.md
  • service.Dockerfile
  • setup.py
  • worker.fine_tuning.Dockerfile
  • worker.improvement_worker.Dockerfile
  • worker.inference.Dockerfile
  • worker.upsertion_worker.Dockerfile

# 설치 가이드

1. 코드 내려받기
git clone https://github.com/EulerSearch/embedding_studio

깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.

cd embedding_studio

방금 내려받은 프로젝트 폴더 안으로 이동합니다.

2. Docker

쉬움 추천
사전 준비물
  • Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
  • Docker Desktop 컨테이너를 빌드하고 실행하려면 필요합니다. 설치 후 실행해서 백그라운드에 켜두세요.
<a href="#"><img src="https://img.shields.io/badge/docker--compose-2.17.0-blue.svg" alt="Docker Compose Version"></a>

compose 설정 파일에 정의된 서비스들을 대상으로 명령을 실행합니다.

터미널에 docker compose ps 를 입력해 컨테이너들이 Up 상태인지 확인하세요. README에 포트 번호가 적혀있다면 브라우저에서 http://localhost:포트번호 로 접속해보세요.

이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.

3. Python

쉬움
사전 준비물
  • Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
  • Python 3 설치 시 'Add Python to PATH' 옵션을 꼭 체크하세요 (Windows).
pip install .

PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.

python <실행할 파일명>.py # README에서 정확한 실행 파일명을 확인하세요

파이썬 스크립트(또는 모듈)를 실행합니다.

에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.
// repository documentation