开源文本嵌入模型M3E

发表于 2024-04-24 更新于 2024-05-04 分类于各种折腾 Waline：阅读次数：本文字数： 3.7k 阅读时长 ≈ 3 分钟

M3E 是一个开源的文本嵌入模型，适合使用场景主要是中文，少量英文的情况。

进入正文前，先扯点题外话

这两天遇到一个棘手的问题，在用 docker pull 拉取镜像时，会报错： x509: certificate has expired or is not yet valid

具体是下面👇这样的

root@DS918:/volume2/docker/xiaoya# docker pull alpine:3.18.2
3.18.2: Pulling from library/alpine
31e352740f53: Already exists 
error pulling image configuration: Get "https://production.cloudflare.docker.com/registry-v2/docker/registry/v2/blobs/sha256/c1/c1aabb73d2339c5ebaa3681de2e9d9c18d57485045a4e311d9f8004bec208d67/data?verify=1713883560-%2F3RhBOCWXsSAz9IO7i8g2LuGRCE%3D": x509: certificate has expired or is not yet valid: current time 2024-04-23T21:56:03+08:00 is after 2021-09-30T14:01:15Z

通过 dockerproxy 下载则是正常的

下载 ghcr.io 的镜像也正常

①、网络没问题，另一台机器上下载镜像是正常的

②、检查了证书也没到期，下图是重新生成的证书

③、系统时间也没问题

④、重装过 docker 套件（卸载–>重启–>安装），但问题一直没得到解决

网上找了两天，也没有找到可行的解决方案，有点抓瞎 😂

有遇到过这种情况并解决的朋友，请不吝赐教，感谢！

本文会用到 One API 对 M3E 进行管理和分发

文章传送门：大模型接口管理和分发系统One API

什么是 M3E ？

M3E 是 Moka Massive Mixed Embedding 的缩写，是一个由 MokaAI 训练并开源的文本嵌入模型。适合使用场景主要是中文，少量英文的情况，其在文本分类和文本检索任务上表现出色，据称在某些任务上超越了 ChatGPT。

M3E 共有三种模型，各有不同的维度

m3e-small
m3e-base
m3e-large

什么是嵌入( Embedding) ？

嵌入是一种将单词、短语或整个文档转换为密集向量的技术。每个单词或短语被转换成一组数字，这组数字捕捉了该文本的某些语义特征。

安装

在群晖上以 Docker 方式安装。

在注册表中搜索 m3e-large-api ，选择第一个 stawky/m3e-large-api，只有一个 latest 版本，双击直接下载。

镜像比较大，如果下载不动，可以用命令行试试从国内阿里源下载

端口

本地端口不冲突就行，不确定的话可以用命令查一下

1 2	# 查看端口占用 netstat -tunlp \| grep 端口号

本地端口	容器端口
`6008`	`6008`

命令行安装

如果你熟悉命令行，可能用 docker cli 更快捷

# 运行容器（国外）
docker run -d \
   --restart unless-stopped \
   --name m3e-large-api \
   -p 6008:6008 \
   stawky/m3e-large-api:latest

# 运行容器（国内）
docker run -d \
   --restart unless-stopped \
   --name m3e-large-api \
   -p 6008:6008 \
   registry.cn-hangzhou.aliyuncs.com/fastgpt_docker/m3e-large-api:latest

如果你的机器支持 GPU，可以增加一个选项 --gpus all，表示启用所有可用的 GPU 资源

# 运行容器（国外）
docker run -d \
   --restart unless-stopped \
   --name m3e-large-api \
   --gpus all \
   -p 6008:6008 \
   stawky/m3e-large-api:latest

也可以用 docker-compose 安装，将下面的内容保存为 docker-compose.yml 文件

version: '3'

services:
  m3e-large-api:
    image: stawky/m3e-large-api:latest
    #image: registry.cn-hangzhou.aliyuncs.com/fastgpt_docker/m3e-large-api:latest
    container_name: m3e-large-api
    restart: unless-stopped  
    ports:
      - "6008:6008"

然后执行下面的命令

# 新建文件夹 m3e-large-api 和 子目录
mkdir -p /volume1/docker/m3e-large-api

# 进入 m3e-large-api 目录
cd /volume1/docker/m3e-large-api

# 将 docker-compose.yml 放入当前目录

# 一键启动
docker-compose up -d

运行

在浏览器中输入 http://群晖IP:6008 就能看到主界面

命令行

要验证 API 服务是否正常，除了查看日志

还可以用下面的示例

# 命令行测试
curl --location --request POST 'http://<服务地址:端口>/v1/embeddings' \
--header 'Authorization: Bearer <秘钥>' \
--header 'Content-Type: application/json' \
--data-raw '{
  "model": "<模型>",
  "input": ["<问题>"]
}'

# 示例
curl --location --request POST 'http://192.168.0.197:6008/v1/embeddings' \
--header 'Authorization: Bearer sk-aaabbbcccdddeeefffggghhhiiijjjkkk' \
--header 'Content-Type: application/json' \
--data-raw '{
  "model": "m3e",
  "input": ["laf是什么"]
}'

其中

<服务地址：端口>：填入 http://群晖IP:6008
<秘钥>：填入默认值 sk-aaabbbcccdddeeefffggghhhiiijjjkkk
<模型>：填入模型名称 m3e
<问题>：填入你想问的问题

如果看到下图这样的返回，就 OK 了

One API

也可以用 One API进行管理和分发。老苏建议用这种方式

在 One API 中添加新的渠道

类型：选择 自定义渠道
Base URL：填入 M3E 的访问地址 http://群晖IP:6008
名称：例如：M3E
分组：default就行
模型：输入自定义模型名称，填入 即可，例如：m3e，其他服务调用时，需匹配这个模型的名称
秘钥：sk-aaabbbcccdddeeefffggghhhiiijjjkkk

保存之后，一般会测试一下

返回 404 是正常的，M3E不是聊天模型，但测试调用的是 chat 接口，所以会失败

到这里，准备工作基本上就完成了，下一篇将正式进入知识库问答系统的搭建

参考文档

moka-ai/m3e-large · Hugging Face
地址：https://huggingface.co/moka-ai/m3e-large

接入 M3E 向量模型 | FastGPT
地址：https://doc.fastai.site/docs/development/custom-models/m3e/

docker部署m3e-large-api无法启动_开发工具-CSDN问答
地址：https://ask.csdn.net/questions/8056249

docker stawky/m3e-large-api internal error · Issue #741 · labring/FastGPT
地址：https://github.com/labring/FastGPT/issues/741

本地部署的m3e-large-api不可用 · Issue #931 · labring/FastGPT
地址：https://github.com/labring/FastGPT/issues/931