哈嘍！伙伴們，我是小智，你們的AI向?qū)?。歡迎來到每日的AI學(xué)習(xí)時(shí)間。今天，我們將一起深入AI的奇妙世界，探索“面向開發(fā)者的LLM入門教程-向量數(shù)據(jù)庫與詞向量(4)”，并學(xué)會(huì)本篇文章中所講的全部知識(shí)點(diǎn)。還是那句話“不必遠(yuǎn)征未知，只需喚醒你的潛能！”跟著小智的步伐，我們終將學(xué)有所成，學(xué)以致用，并發(fā)現(xiàn)自身的更多可能性。話不多說，現(xiàn)在就讓我們開始這場(chǎng)激發(fā)潛能的AI學(xué)習(xí)之旅吧。

面向開發(fā)者的LLM入門教程-向量數(shù)據(jù)庫與詞向量(4)：

失敗的情況(Failure modes)

這看起來很好，基本的相似性搜索很容易就能讓你完成80%的工作。但是，可能會(huì)出現(xiàn)一些相似性搜索失敗的情況。這里有一些可能出現(xiàn)的邊緣情況————我們將在下一章節(jié)中修復(fù)它們。

1.重復(fù)塊

question_chinese = “Matplotlib是什么？”
docs_chinese = vectordb_chinese.similarity_search(question_chinese,k=5)

請(qǐng)注意，我們得到了重復(fù)的塊（因?yàn)樗饕杏兄貜?fù)的 第一回：Matplotlib初相識(shí).pdf ）。

語義搜索獲取所有相似的文檔，但不強(qiáng)制多樣性。

docs[0] 和 docs[1] 是完全相同的。

print(“docs[0]”)
print(docs_chinese[0])

print(“docs[1]”)
print(docs_chinese[1])

docs[0]
page_content=’第?回：Matplotlib 初相識(shí)n?、認(rèn)識(shí)matplotlibnMatplotlib 是?個(gè) Python
2D 繪圖庫，能夠以多種硬拷?格式和跨平臺(tái)的交互式環(huán)境?成出版物質(zhì)量的圖形，?來繪制各種靜態(tài)，動(dòng)態(tài)，
n交互式的圖表。nMatplotlib 可?于 Python 腳本， Python 和 IPython Shell 、 Jupyter
notebook ， Web 應(yīng)?程序服務(wù)器和各種圖形?戶界??具包等。nMatplotlib 是 Python 數(shù)據(jù)可視
化庫中的泰?，它已經(jīng)成為 python 中公認(rèn)的數(shù)據(jù)可視化?具，我們所熟知的 pandas 和 seaborn 的繪
圖接?n其實(shí)也是基于 matplotlib 所作的?級(jí)封裝。n為了對(duì)matplotlib 有更好的理解，讓我們從?
些最基本的概念開始認(rèn)識(shí)它，再逐漸過渡到?些?級(jí)技巧中。n?、?個(gè)最簡(jiǎn)單的繪圖例?nMatplotlib 的
圖像是畫在 figure （如 windows ， jupyter 窗體）上的，每?個(gè) figure ?包含了?個(gè)或多個(gè)
axes （?個(gè)可以指定坐標(biāo)系的?區(qū)n域）。最簡(jiǎn)單的創(chuàng)建 figure 以及 axes 的?式是通過
pyplot.subplots命令，創(chuàng)建 axes 以后，可以使? Axes.plot繪制最簡(jiǎn)易的折線圖。nimport
matplotlib.pyplot as pltnimport matplotlib as mplnimport numpy as npnfig, ax =
plt.subplots() # 創(chuàng)建?個(gè)包含?個(gè) axes 的 figurenax.plot([1, 2, 3, 4], [1, 4, 2,
3]); # 繪制圖像nTrick： 在jupyter notebook 中使? matplotlib 時(shí)會(huì)發(fā)現(xiàn)，代碼運(yùn)?后?動(dòng)
打印出類似 n這樣?段話，這是因?yàn)?matplotlib
的繪圖代碼默認(rèn)打印出最后?個(gè)對(duì)象。如果不想顯示這句話，有以下三種?法，在本章節(jié)的代碼示例n中你能
找到這三種?法的使?。nx00. 在代碼塊最后加?個(gè)分號(hào) ;nx00. 在代碼塊最后加?句
plt.show()nx00. 在繪圖時(shí)將繪圖對(duì)象顯式賦值給?個(gè)變量，如將 plt.plot([1, 2, 3, 4]) 改成
line =plt.plot([1, 2, 3, 4])n和MATLAB 命令類似，你還可以通過?種更簡(jiǎn)單的?式繪制圖像，
matplotlib.pyplot?法能夠直接在當(dāng)前 axes 上繪制圖像，如果?戶n未指定axes ， matplotlib
會(huì)幫你?動(dòng)創(chuàng)建?個(gè)。所以上?的例?也可以簡(jiǎn)化為以下這??代碼。nline =plt.plot([1, 2, 3,
4], [1, 4, 2, 3]) n三、Figure 的組成n現(xiàn)在我們來深?看?下 figure 的組成。通過?張
figure 解剖圖，我們可以看到?個(gè)完整的 matplotlib 圖像通常會(huì)包括以下四個(gè)層級(jí)，這些n層級(jí)也被稱
為容器（ container ），下?節(jié)會(huì)詳細(xì)介紹。在 matplotlib 的世界中，我們將通過各種命令?法來操縱
圖像中的每?個(gè)部分，n從?達(dá)到數(shù)據(jù)可視化的最終效果，?副完整的圖像實(shí)際上是各類?元素的集合。
nFigure：頂層級(jí)，?來容納所有繪圖元素’ metadata={‘source’: ‘docs/matplotlib/第一回：
Matplotlib初相識(shí).pdf’, ‘page’: 0}
docs[1]
page_content=’第?回：Matplotlib 初相識(shí)n?、認(rèn)識(shí)matplotlibnMatplotlib 是?個(gè) Python
2D 繪圖庫，能夠以多種硬拷?格式和跨平臺(tái)的交互式環(huán)境?成出版物質(zhì)量的圖形，?來繪制各種靜態(tài)，動(dòng)態(tài)，
n交互式的圖表。nMatplotlib 可?于 Python 腳本， Python 和 IPython Shell 、 Jupyter
notebook ， Web 應(yīng)?程序服務(wù)器和各種圖形?戶界??具包等。nMatplotlib 是 Python 數(shù)據(jù)可視
化庫中的泰?，它已經(jīng)成為 python 中公認(rèn)的數(shù)據(jù)可視化?具，我們所熟知的 pandas 和 seaborn 的繪
圖接?n其實(shí)也是基于 matplotlib 所作的?級(jí)封裝。n為了對(duì)matplotlib 有更好的理解，讓我們從?
些最基本的概念開始認(rèn)識(shí)它，再逐漸過渡到?些?級(jí)技巧中。n?、?個(gè)最簡(jiǎn)單的繪圖例?nMatplotlib 的
圖像是畫在 figure （如 windows ， jupyter 窗體）上的，每?個(gè) figure ?包含了?個(gè)或多個(gè)
axes （?個(gè)可以指定坐標(biāo)系的?區(qū)n域）。最簡(jiǎn)單的創(chuàng)建 figure 以及 axes 的?式是通過
pyplot.subplots命令，創(chuàng)建 axes 以后，可以使? Axes.plot繪制最簡(jiǎn)易的折線圖。nimport
matplotlib.pyplot as pltnimport matplotlib as mplnimport numpy as npnfig, ax =
plt.subplots() # 創(chuàng)建?個(gè)包含?個(gè) axes 的 figurenax.plot([1, 2, 3, 4], [1, 4, 2,
3]); # 繪制圖像nTrick： 在jupyter notebook 中使? matplotlib 時(shí)會(huì)發(fā)現(xiàn)，代碼運(yùn)?后?動(dòng)
打印出類似 n這樣?段話，這是因?yàn)?matplotlib
的繪圖代碼默認(rèn)打印出最后?個(gè)對(duì)象。如果不想顯示這句話，有以下三種?法，在本章節(jié)的代碼示例n中你能
找到這三種?法的使?。nx00. 在代碼塊最后加?個(gè)分號(hào) ;nx00. 在代碼塊最后加?句
plt.show()nx00. 在繪圖時(shí)將繪圖對(duì)象顯式賦值給?個(gè)變量，如將 plt.plot([1, 2, 3, 4]) 改成
line =plt.plot([1, 2, 3, 4])n和MATLAB 命令類似，你還可以通過?種更簡(jiǎn)單的?式繪制圖像，
matplotlib.pyplot?法能夠直接在當(dāng)前 axes 上繪制圖像，如果?戶n未指定axes ， matplotlib
會(huì)幫你?動(dòng)創(chuàng)建?個(gè)。所以上?的例?也可以簡(jiǎn)化為以下這??代碼。nline =plt.plot([1, 2, 3,
4], [1, 4, 2, 3]) n三、Figure 的組成n現(xiàn)在我們來深?看?下 figure 的組成。通過?張
figure 解剖圖，我們可以看到?個(gè)完整的 matplotlib 圖像通常會(huì)包括以下四個(gè)層級(jí)，這些n層級(jí)也被稱
為容器（ container ），下?節(jié)會(huì)詳細(xì)介紹。在 matplotlib 的世界中，我們將通過各種命令?法來操縱
圖像中的每?個(gè)部分，n從?達(dá)到數(shù)據(jù)可視化的最終效果，?副完整的圖像實(shí)際上是各類?元素的集合。
nFigure：頂層級(jí)，?來容納所有繪圖元素’ metadata={‘source’: ‘docs/matplotlib/第一回：
Matplotlib初相識(shí).pdf’, ‘page’: 0}

2.檢索錯(cuò)誤答案

我們可以看到一種新的失敗的情況。

下面的問題詢問了關(guān)于第二講的問題，但也包括了來自其他講的結(jié)果。

question_chinese = “他們?cè)诘诙v中對(duì)Figure說了些什么？”
docs_chinese = vectordb_chinese.similarity_search(question_chinese,k=5)

for doc_chinese in docs_chinese:
print(doc_chinese.metadata)

{‘source’: ‘docs/matplotlib/第一回：Matplotlib初相識(shí).pdf’, ‘page’: 0}
{‘source’: ‘docs/matplotlib/第一回：Matplotlib初相識(shí).pdf’, ‘page’: 0}
{‘source’: ‘docs/matplotlib/第二回：藝術(shù)畫筆見乾坤.pdf’, ‘page’: 9}
{‘source’: ‘docs/matplotlib/第二回：藝術(shù)畫筆見乾坤.pdf’, ‘page’: 10}
{‘source’: ‘docs/matplotlib/第一回：Matplotlib初相識(shí).pdf’, ‘page’: 1}

可見，雖然我們?cè)儐柕膯栴}是第二講，但第一個(gè)出現(xiàn)的答案卻是第一講的內(nèi)容。而第三個(gè)答案才是我們想要的正確回答。

print(docs_chinese[2].page_content)

三、對(duì)象容器 – Object container
容器會(huì)包含?些 primitives，并且容器還有它?身的屬性。
?如Axes Artist，它是?種容器，它包含了很多 primitives，?如Line2D，Text；同時(shí)，它也有?身
的屬性，?如 xscal，?來控制
X軸是linear還是log的。
1. Figure容器
matplotlib.figure.Figure是Artist最頂層的 container對(duì)象容器，它包含了圖表中的所有元素。?
張圖表的背景就是在
Figure.patch的?個(gè)矩形 Rectangle。
當(dāng)我們向圖表添加 Figure.add_subplot()或者Figure.add_axes()元素時(shí)，這些都會(huì)被添加到
Figure.axes列表中。
fig = plt.figure()
ax1 = fig.add_subplot(211) # 作?幅2*1 的圖，選擇第 1 個(gè)?圖
ax2 = fig.add_axes([0.1, 0.1, 0.7, 0.3]) # 位置參數(shù)，四個(gè)數(shù)分別代表了
(left,bottom,width,height)
print(ax1)
print(fig.axes) # fig.axes 中包含了 subplot 和 axes 兩個(gè)實(shí)例 , 剛剛添加的
AxesSubplot(0.125,0.536818;0.775×0.343182)
[, ]
由于Figure維持了current axes，因此你不應(yīng)該?動(dòng)的從 Figure.axes列表中添加刪除元素，?是要通
過 Figure.add_subplot()、
Figure.add_axes()來添加元素，通過 Figure.delaxes()來刪除元素。但是你可以迭代或者訪問
Figure.axes中的Axes，然后修改這個(gè)
Axes的屬性。
?如下?的遍歷 axes ?的內(nèi)容，并且添加?格線：
fig = plt.figure()
ax1 = fig.add_subplot(211)
for ax in fig.axes:
ax.grid(True)
Figure也有它??的 text、line 、 patch 、 image。你可以直接通過 add primitive語句直接添
加。但是注意 Figure默認(rèn)的坐標(biāo)系是以像
素為單位，你可能需要轉(zhuǎn)換成 figure 坐標(biāo)系： (0,0) 表示左下點(diǎn)， (1,1) 表示右上點(diǎn)。
Figure容器的常?屬性：
Figure.patch屬性：Figure 的背景矩形
Figure.axes屬性：?個(gè) Axes 實(shí)例的列表（包括 Subplot)
Figure.images屬性：?個(gè) FigureImages patch 列表
Figure.lines屬性：?個(gè) Line2D 實(shí)例的列表（很少使?）
Figure.legends屬性：?個(gè) Figure Legend 實(shí)例列表（不同于 Axes.legends)
Figure.texts屬性：?個(gè) Figure Text 實(shí)例列表

在接下來的章節(jié)中，我們將探討的方法能夠有效地解答這兩個(gè)問題！

嘿，伙伴們，今天我們的AI探索之旅已經(jīng)圓滿結(jié)束。關(guān)于“面向開發(fā)者的LLM入門教程-向量數(shù)據(jù)庫與詞向量(4)”的內(nèi)容已經(jīng)分享給大家了。感謝你們的陪伴，希望這次旅程讓你對(duì)AI能夠更了解、更喜歡。謹(jǐn)記，精準(zhǔn)提問是解鎖AI潛能的鑰匙哦！如果有小伙伴想要了解學(xué)習(xí)更多的AI知識(shí)，請(qǐng)關(guān)注我們的官網(wǎng)“AI智研社”，保證讓你收獲滿滿呦！