Multimodale Retrieval-Augmented Generation (RAG) mit der Gemini API in der Agent Platform Rezensionen

easy

Vinothkumar K. · Vor 11 Tage überprüft

Kannaparamathma v. · Vor 11 Tage überprüft

prischilla r. · Vor 11 Tage überprüft

Vaishnavi.s G. · Vor 11 Tage überprüft

utils/intro_multimodal_rag_utils.pyにてバグがあり、get_similar_text_from_queryが実行できなかった。

実歩 藤. · Vor 11 Tage überprüft

Vaishnavi M. · Vor 11 Tage überprüft

維均 蕭. · Vor 11 Tage überprüft

David L. · Vor 11 Tage überprüft

NA

Aditya Sanjay S. · Vor 12 Tage überprüft

maulidya n. · Vor 12 Tage überprüft

Vadym S. · Vor 12 Tage überprüft

good

kiruthika s. · Vor 12 Tage überprüft

Iyappan G. · Vor 12 Tage überprüft

Gayathri L. · Vor 12 Tage überprüft

Gomathi D. · Vor 12 Tage überprüft

Siva M. · Vor 12 Tage überprüft

Good Lab

Tubagus Z. · Vor 12 Tage überprüft

Sirisha G. · Vor 12 Tage überprüft

Carlos Guadalupe L. · Vor 12 Tage überprüft

Sruthi V. · Vor 12 Tage überprüft

`get_cosine_score` in intro_multimodal_rag_utils.py needs to be updated to: ''' def get_cosine_score( dataframe: pd.DataFrame, column_name: str, input_text_embed: np.ndarray ) -> float: """ Calculates the cosine similarity between the user query embedding and the dataframe embedding for a specific column. Args: dataframe: The pandas DataFrame containing the data to compare against. column_name: The name of the column containing the embeddings to compare with. input_text_embed: The NumPy array representing the user query embedding. Returns: The cosine similarity score (rounded to two decimal places) between the user query embedding and the dataframe embedding. """ return round(np.dot(dataframe[column_name], input_text_embed), 2) '''

Israel U. · Vor 12 Tage überprüft

033 P. · Vor 13 Tage überprüft

Shanmathi S. · Vor 13 Tage überprüft

Varshini G. · Vor 13 Tage überprüft

Asra S. · Vor 13 Tage überprüft