Skip to main content
Open In ColabOpen on GitHub

NVIDIA

这将帮助您开始使用 NVIDIA 模型。有关所有 NVIDIA 功能和配置的详细文档，请访问 API 参考。

概览​

langchain-nvidia-ai-endpoints 包含 LangChain 集成，用于构建使用 NVIDIA NIM 推理微服务上的模型的应用程序。这些模型由 NVIDIA 优化，在 NVIDIA 加速基础设施上提供最佳性能，并以 NIM 的形式部署，NIM 是一种易于使用的预构建容器，可以在 NVIDIA 加速基础设施上使用单个命令在任何地方部署。

NVIDIA 托管的 NIM 部署可以在 NVIDIA API 目录 中进行测试。测试完成后， 可以使用 NVIDIA AI Enterprise 许可证从 NVIDIA 的 API 目录中导出 NIM，并在本地或云端运行， 使企业拥有对其知识产权和 AI 应用程序的完全控制权。

NIM 按模型打包为容器镜像，并通过 NVIDIA NGC 目录以 NGC 容器镜像的形式分发。 其核心是，NIM 提供了简单、一致且熟悉的 API，用于在 AI 模型上运行推理。

此示例介绍了如何使用LangChain通过NVIDIA类与NVIDIA支持进行交互。

有关通过此API访问llm模型的更多信息，请查看NVIDIA文档。

集成详情​

类包本地可序列化的JS 支持软件包下载最新包裹
NVIDIAlangchain_nvidia_ai_endpoints✅beta❌PyPI - DownloadsPyPI - Version

模型特性​

JSON模式图像输入音频输入视频输入令牌级流式传输原生异步令牌使用量对数概率
❌✅❌❌✅❌❌❌

设置​

开始使用：

  1. 使用NVIDIA创建一个免费账户，该账户托管NVIDIA AI基础模型。

  2. 点击你选择的模型。

  3. 在Input下选择Python标签，然后点击Get API Key。接着点击Generate Key。

  4. 复制并保存生成的密钥为 NVIDIA_API_KEY。此后，你应该能够访问这些端点。

凭据​

import getpass
import os

if not os.getenv("NVIDIA_API_KEY"):
    # Note: the API key should start with "nvapi-"
    os.environ["NVIDIA_API_KEY"] = getpass.getpass("Enter your NVIDIA API key: ")

安装​

LangChain NVIDIA AI Endpoints 集成位于 langchain_nvidia_ai_endpoints 包中：

%pip install --upgrade --quiet langchain-nvidia-ai-endpoints

实例化​

查看 大型语言模型 以获取完整功能。

from langchain_nvidia_ai_endpoints import NVIDIA
API 参考：NVIDIA
llm = NVIDIA().bind(max_tokens=256)
llm

调用​

prompt = "# Function that does quicksort written in Rust without comments:"
print(llm.invoke(prompt))

流式、批量和异步​

这些模型原生支持流式传输，而且与所有 LangChain LLM 一样，它们提供了一个批处理方法来处理并发请求，以及用于调用、流式传输和批处理的异步方法。下面是一些示例。

for chunk in llm.stream(prompt):
    print(chunk, end="", flush=True)
llm.batch([prompt])
await llm.ainvoke(prompt)
async for chunk in llm.astream(prompt):
    print(chunk, end="", flush=True)
await llm.abatch([prompt])
async for chunk in llm.astream_log(prompt):
    print(chunk)
response = llm.invoke(
    "X_train, y_train, X_test, y_test = train_test_split(X, y, test_size=0.1) #Train a logistic regression model, predict the labels on the test set and compute the accuracy score"
)
print(response)

支持的模型​

查询 available_models 仍然会为您提供您的API凭据所提供的所有其他模型。

NVIDIA.get_available_models()
# llm.get_available_models()

链式调用​

我们可以像这样将我们的模型与提示模板链接：

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate(
    [
        (
            "system",
            "You are a helpful assistant that translates {input_language} to {output_language}.",
        ),
        ("human", "{input}"),
    ]
)

chain = prompt | llm
chain.invoke(
    {
        "input_language": "English",
        "output_language": "German",
        "input": "I love programming.",
    }
)
API 参考：ChatPromptTemplate

API 参考​

有关所有 NVIDIA 功能和配置的详细文档，请访问 API 参考： https://python.langchain.com/api_reference/nvidia_ai_endpoints/llms/langchain_nvidia_ai_endpoints.llms.NVIDIA.html