English • Français • Deutsch • 中文 • 日本語 • Português • Русский язык • український • Español
웹사이트 • 문서들 • 예 • 허브(허브) • 대시보드(메시지) • 지나복스 (beta) • 트위터 • 고용정보.
지나(Jina)는 AI로 구동되는 검색 프레임워크로 개발자가 클라우드 상에 크로스/멀티-모달 검색 시스템(예: 텍스트, 이미지, 비디오, 오디오)을 만들 수 있도록 한다. 지나는 [풀타임, 벤처후원팀]의 지원을 받고 있다.(https://jina.ai).
⏱️ 시간 절약 - 몇 분 안에 AI로 구동되는 시스템을 부트스트랩한다.
🧠 최상의 AI 모델 - 지나(Jina)는 신경 검색 시스템의 새로운 디자인 패턴으로, [최첨단 AI 모델]을 최상급으로 지원한다.(https://docs.jina.ai/chapters/all_exec.html).
🌌 광범위한 검색 - 여러 플랫폼에서 모든 종류의 대규모 인덱싱 및 데이터 쿼리를 지원한다: 비디오, 이미지, 긴/짧은 텍스트, 음악, 소스 코드 등
🚀 클라우드 준비 - 컨테이너화, 마이크로 서비스, 배포, 확장, 샤딩, 비동기 IO, REST, gRPC와 같은 클라우드 네이티브 기능을 사용하는 분산형 아키텍쳐이다.
🧩 플러그 앤 플레이 - Pythonic 인터페이스로 쉽게 확장할 수 있다.
Python 3.7/3.8이 포함된 Linux/MacOS:
pip install jina추가적인 의존성을 가진 Jina를 설치하거나, Raspberry Pi에 설치하고자 한다면, 문서를 참조해라..
여러 아키텍쳐(x64, x86, arm-64/v7/v6을 포함)를 지원하는 범용적인 Docker 이미지를 제공한다. 아무것도 설치할 필요 없이, 그냥 수행하면 된다.
docker run jinaai/jina --help스타터로서, Fashion-MNIST를 위한 이미지 신경 검색의 간단한 데모인 "Hello, World!"를 사용해보세요. 추가 종속성이 필요하지 않으며 다음을 실행하십시오.:
jina hello-world...또는 Docker 사용자의 경우, 설치가 필요하지 않습니다.:
docker run -v "$(pwd)/j:/j" jinaai/jina hello-world --workdir /j && open j/hello-world.html # replace "open" with "xdg-open" on Linux콘솔 출력을 보려면 여기를 클릭하십시오.
이것은 Fashion-MNIST 교육과 테스트 데이터 세트를 다운로드하고 지나에게 교육 세트에서 6만 개의 이미지를 인덱싱하라고 말한다. 그런 다음 검사 세트에서 무작위로 영상을 샘플링해 조회하고 지나에게 관련 결과를 가져오라고 한다. 전체 과정은 약 1분이 소요되며, 결과적으로 웹 페이지를 열고 다음과 같은 결과를 보여준다.
이면의 구현은 간단하다:
| Python API | or use YAML spec | or use Dashboard |
from jina.flow import Flow
f = (Flow()
.add(uses='encoder.yml', parallel=2)
.add(uses='indexer.yml', shards=2,
separated_workspace=True))
with f:
f.index(fashion_mnist, batch_size=1024) |
!Flow
pods:
encode:
uses: encoder.yml
parallel: 2
index:
uses: indexer.yml
shards: 2
separated_workspace: true |
|
샤딩, 컨테이너화, 임베딩 연결 등을 살펴보십시오.
from jina.flow import Flow
f = (Flow().add(uses='encoder.yml', parallel=2)
.add(uses='indexer.yml', shards=2, separated_workspace=True))from jina.flow import Flow
f = Flow().add(uses='encoder.yml', host='192.168.0.99')from jina.flow import Flow
f = (Flow().add(uses='jinahub/cnn-encode:0.1')
.add(uses='jinahub/faiss-index:0.2', host='192.168.0.99'))from jina.flow import Flow
f = (Flow().add(name='eb1', uses='BiTImageEncoder')
.add(name='eb2', uses='KerasImageEncoder', needs='gateway')
.needs(['eb1', 'eb2'], uses='_concat'))from jina.flow import Flow
f = Flow(port_expose=45678, rest_api=True)
with f:
f.block()흥미롭다면? 다른 옵션으로 재생하세요:
jina hello-world --helppip install jina[devel]
jina hub new --type app하나의 터미널 명령으로 템플릿에서 쉽게 지나 프로젝트를 만들 수 있다. 이를 통해 Python 진입점, YAML 구성 및 Docker 파일이 생성된다. 그곳에서부터 귀하가 시작할 수 있다.
|
English • 日本語 • Français • Português • Deutsch • Русский язык • 中文 • عربية • Korean |
| 레벨 | 튜토리얼 |
|---|---|
| South Park의 문서를 검색하고 Flow와 Pods를 이용하여 연습해라 | |
| Jina 앱을 bootstarp하기 위하여 cookiecutter를 사용 | |
| 쿼리 언어로 Hello-World에 활기 불어넣기 | |
| Findgrained level에서 검색하기 위하여 문서를 쪼개기 | |
| 이미지로부터 캡션 또는 캡션으로부터 이미지를 얻기 위하여 크로스 모달을 검색 | |
| 프리패칭과 샤딩을 이용한 퍼포먼스의 향상 |
지나를 깊이 있게 배우는 가장 좋은 방법은 우리의 문서를 읽는 것이다. 문서는 마스터 브랜치의 모든 푸쉬, 머지, 릴리즈에 기초하여 작성된다.
- Flow API를 사용하여 검색 워크플로우 구성
- Jina의 입력 및 출력 기능
- Dashboard를 사용하여 jina 워크플로우의 인사이트 확보
- 워크플로우를 원격으로 배포
- Docker Container를 통해 Jina 포드 실행
당신은 “DOC” 스타인가요? 우리와 함께해요! 우리는 문서에 대한 모든 종류의 개선을 환영합니다.
우리는 오픈 소스 커뮤니티, 개인 및 파트너의 모든 종류의 기부를 환영한다. 우리의 성공은 당신의 적극적인 참여 덕분이다.
- Slack 작업영역 - #장군에 합류하여 우리 슬랙을 팀원들과 만나 질문하다.
- 유튜브 채널 - 최신 비디오 튜토리얼, 릴리즈 데모, 웨비나 및 프리젠테이션을 구독하십시오.
- 링크드인 - 지나 AI를 기업으로서 알게 되고 취업의 기회를 찾다.
- 해시태그로 우리와 교류하다.
#JinaSearch- 회사 - 우리 회사에 대해 더 많이 알고 어떻게 우리가 오픈소스에 전념하고 있는지 알고 있다..
깃허브 이정표로 Jina의 미래 개선점들에 대한 윤곽을 잡았음
여러분은 우리의 오픈 거버넌스 모델의 일환으로 모두를 위한 Jina의 공학을 주최한다. Zoom미팅은 매달 두 번째 화요일마다 진행을 하며 시간은 14:00-15:30(CET)이다. Calendar 초대를 통해 모두 참여가 가능하다.
또한 이 회의는 생방송으로 송출될 것이며 이 후에 유튜브 채널에 영상으로 제작될 것이다..
Jina는 오픈소스 프로젝트이다. 우리는 풀스택 개발자, evangelists, 프로젝트 매니저들을 채용하여 뉴럴 탐색 생태계를 오픈소스에 구축하려고 한다.
Copyright (c) 2020 Jina AI Limited. All rights reserved
Jina는 Apache Licence 2.0을 사용한다. 라이선스 문서의 전문을 확인하기 위해서는 License를 참조하세요.