chroma的from_documents Embedings超过99条数据程序崩溃，但没有抛出任何错误

最新推荐文章于 2025-04-14 11:54:32 发布

§nO ProMisE%

最新推荐文章于 2025-04-14 11:54:32 发布

阅读量818

点赞数 5

分类专栏：笔记文章标签： python conda pip 人工智能深度学习神经网络自然语言处理

本文链接：https://blog.youkuaiyun.com/qq_22480969/article/details/141459821

版权

笔记专栏收录该内容

3 篇文章

订阅专栏

chroma的from_documents Embedings超过99条数据程序崩溃，但没有抛出任何错误的解决方法

问题

运行情况
存第一百条数据直接崩溃，没有任何报错
环境 Python3.10
chromadb 0.5.5
chroma-hnswlib 0.7.6

解决方法

安装低版本hnswlib

 pip install  chroma-hnswlib==0.7.3 -i https://pypi.tuna.tsinghua.edu.cn/simple

灵感来源：https://github.com/chroma-core/chroma/issues/2513

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

§nO ProMisE%

关注关注

5
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

无限可能Langchain——向量存储和检索

JackWu1024

06-04

1632

本教程将使您熟悉LangChain的向量存储和检索器抽象。这些抽象旨在支持从（向量）数据库和其他来源检索数据，以便与LLM工作流集成。它们对于获取数据作为模型推理的一部分进行推理的应用程序很重要，例如检索增强生成或RAG（请参阅我们的RAG教程。

Chroma向量存储:AI原生开源数据库的入门指南

qq_29929123的博客

08-21

1141

Chroma向量存储为AI和机器学习应用提供了强大而灵活的数据管理解决方案。通过本文,我们介绍了Chroma的基本使用方法,包括初始化、数据管理和查询操作。Chroma官方文档LangChain文档中的Chroma部分向量数据库概念指南检索增强生成(RAG)教程。

参与评论您还未登录，请先登录后发表或查看评论

使用langchain_chroma的Chroma插入文档导致jupyter内核崩溃

roseey的专栏

08-24

707

使用langchain_chroma的Chroma内核崩溃 kernel restarting

html 显示模式

最新发布

Y17877173459的博客

04-14

【代码】html 显示模式。

4 Chroma-嵌入（Embeddings)

weixin_44078774的博客

12-01

1817

有许多选项可用于创建嵌入向量，可以在本地使用已安装的库进行创建，也可以通过调用 API 来创建。Chroma提供了对流行嵌入提供者的轻量级封装，方便将它们应用到您的应用程序中。您可以在创建Chroma集合时设置一个嵌入函数，该函数将自动被使用；您可以创建自己的嵌入函数以与Chroma一起使用，只需实现EmbeddingFunction协议。您可以创建自己的嵌入函数并在Chroma中使用，只需实现EmbeddingFunction协议即可。我们欢迎开发者提交贡献代码，以将新的嵌入函数添加到社区中。

langchain使用jina-embeddings构建Chroma向量库，解决加载模型初始化失败

jieshenai的博客

07-28

1134

使用 `{"trust_remote_code":True}` 传递给 langchain_community.embeddings 的 SentenceTransformerEmbeddings ，逐步解析 `jinaai/jina-embeddings-v2-base-en` 编码模型初始化加载异常的问题。

OpenAI+LangChain+Chroma

Mico_Cmx的博客

05-24

2318

需要安装 Microsoft C++ 生成工具 - Visual Studio。以上步骤执行完毕后再执行 pip install chromadb 即可。第一步在工程中进行 pip install chromadb。页面直接点击下载生成工具即可。并粘上官网提供的相应代码后。

chromatdb一次只能存储99条数据，但是程序不崩溃不报异常，也无法实现循环存储

m0_67691058的博客

01-13

622

在使用chromatdb数据库存储数据的时候遇到了问题，上限是存储99条数据，在优快云上找到了解决问题的办法

Chroma Language_Manual.pdf

01-19

在法律声明部分，Chroma ATE公司明确指出本手册的内容可能会不加通知地更改，不对手册内容做出任何形式的保证，包括但不限于商品适用性和特定用途的适用性。此外，如果使用手册中的材料出现问题，Chroma ATE公司将不...

AttributeError: 'tuple' object has no attribute 'id' chroma_store.add_documents

02-27

当调用 `chroma_store.add_documents` 方法时遇到 `'tuple' object has no attribute 'id'` 的错误，通常是因为传递给该函数的对象不符合预期的数据结构。具体来说，程序期望接收的是包含特定属性（如 `id`）的对象...

Chroma 向量数据入门

小森的博客

09-26

2005

Chroma 使知识、事实和技能可插入 LLM，从而可以轻松构建 LLM 应用程序。。Chroma 使知识、事实和技能可插入 LLM，从而可以轻松构建 LLM 应用程序。Chroma是一个文档检索系统，它存储了一组文档以及它们相应的嵌入向量。当接收到嵌入向量后，Chroma会根据其内部的索引结构快速查找最相关的文档。

LangChain入门(四)-构建本地知识库问答机器人

Good Luck

05-04

2万+

因为是临时存入，所以当我们上面的代码执行完成后，上面的向量化后的数据将会丢失。如果想下次使用，那么就还需要再计算一次embeddings，这肯定不是我们想要的。其中hnswlib安装不了，去一下网站下载源码解压后，将hnswlib文件夹放在了项目的\Lib\site-packages文件夹中。上面的案例中我们只是将embeddings临时存进了Chroma，只需多加一个路径参数就可以实现持久化。在项目中新建一个data文件夹，里面放一个doc.txt，内容我摘抄一段朱炫大师兄的年少荒唐中的文章。

Chroma获取向量索引的总数

cm2010_03_31的博客

08-15

1820

想要做一个pdf问答功能，如果pdf文章太短（低于1页）会导致chroma索引太短，在查询索引时会低于默认结果数（默认是4），会导致报错（chromadb.errors.NotEnoughElementsException: Number of requested results 4 cannot be greater than number of elements in index 1）

LangChain + ChatGLM 实现本地知识库问答

AI研究院

06-13

6967

本文使用LangChain+ChatGLM来实现一个简单的基于本地知识库的问答系统，可以在完全不使用openai提供的api来完成本地知识库问答系统的搭建，如果有需要做本地私有化知识库问答系统的，可以参考此方案。

基于LangChain+LLM的本地知识库问答：从企业单文档问答到批量文档问答

热门推荐

结构之法算法之道

07-05

12万+

本文则侧重讲解 1 什么是LangChain及langchain的整体组成架构 2 解读langchain-ChatGLM项目的关键源码，不只是把它当做一个工具使用，因为对工具的原理更了解，则对工具的使用更顺畅 3 langchain-ChatGLM项目的升级版langchain-chatchat

索引构造与信息检索：让 ChatGPT 成为 Selenium 问答助手

测试萌萌

04-21

1852

让chatgpt给我写个总结。这篇文章提出了使用生成式AI ChatGPT和LangChain库训练一个Selenium知识问答机器人的想法。机器人需要灌入最新的Selenium知识并使用向量化存储和检索来搜索相关材料以回答用户的问题。文章介绍了实现流程，包括爬取Selenium数据、向量化存储和检索、信息检索和生成内容。这项技术非常适合构建专有领域的知识库，比如法律咨询，医疗咨询等。另外配合一些代码切片的库还可以实现代码生成功能。

RAG进阶(一): 多重查询(Multi Query)

weixin_42608414的博客

04-19

4567

今天我们学习了如何如何避免在做RAG检索时，由于查询语句因人而异而导致检索结果不够全面和完整。我们的主要方法是当用户在做检索时，我们让LLM基于用户的查询语句再生成多个查询语句，这些由LLM生成的查询语句能够从多个视角用户的查询语句进行补充。这样可以使得LLM能够更加准确的理解用户查询语句的真正含义从而给出更加完整且全面的答案。

llm学习-3（向量数据库的使用）

qq_43728463的博客

07-02

1026

接着上面的常规操作加载环境变量---》获取所有路径---》加载文档---》切分文档。

html中元素的显示与隐藏

m0_65033248的博客

04-12

2784

还有一种元素隐藏的方式： overflow: hidden;overflow属性定义了如果盒子中的元素超过了盒子的宽高，也就是该元素溢出了,我们该如何处理元素。可以看到元素超出了盒子的宽高（此时overflow属性值为visible, 超出部分不做处理，默认值）可以看到原本没有在页面中显示的元素，在页面中显示出来了，这就是元素的显示与隐藏。在实际开发网页中，我们使用display: none;将元素显示出来，还有。① 在元素x,y方向上都溢出时（效果一致）元素的位置不会保留，会被标准流元素占用。