windos下搭建paddlenlp 语义检索系统
之前搭建paddleocr的时候，创建了paddle的虚拟环境，顺便也装了paddlenlp的库，就想着直接用这个，然后语义检索模型本身没有问题了，可以正常推理了。但在搭建pipline的时候出现问题，application启动不起来。浪费了半天时间查看库的版本，和配置问题。paddlenlp这个库安装的比较久了，也忘了版本冲突，重新下了一遍，更新了paddle的版本之后，还是有问题。
比如grpcio这个库版本没办法避免，一个要求小于1.33.2，另一个paddle的库要求大于1.47.1，click这个库同样。
然后看了这个csdn参考帖子，以及官方给出的文档，官方文档，其中有一个针对windos安装的视频：视频地址。
视频和参考帖子都是重新create一个虚拟环境，避免库的版本冲突。大概我也是这个问题。当然，模型推理没问题，pipline出现的问题可以自己重写避免。
1 环境配置
1.1 在Anaconda下重新创建虚拟环境，并进入虚拟环境：
conda create -n paddlepipline python=3.9
conda activate paddlepipline
1.2 安装paddle：paddle主页
根据自己电脑安装所需版本，我自己安装cpu版本。
pip install paddlepaddle==2.4.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
1.3 安装paddle-pipelines
pip install --upgrade paddle-pipelines -i https://pypi.tuna.tsinghua.edu.cn/simple
1.4 下载paddlenlp源码，piplines源码包含在paddlenlp这个仓库中
git clone https://github.com/PaddlePaddle/PaddleNLP.git
1.5 进入到piplines目录，官方文档提示后续所有流程都只用在pipelines根目录下进行就行
cd PaddleNLP/piplines
1.6 查看语义检索推理效果，官方预置DuReader-Robust数据集的验证集中的1417条数据。
python examples/semantic-search/semantic_search_example.py --device cpu \
--search_engine faiss
使用gpu自行设置就行，search_engine默认是faiss，也可以不设置，另一个可选是milvus。
2 构建Web可视化语义检索系统
主要包括三个方面：基于ElasticSearch的ANN服务；基于RestAPI的构建模型服务；基于Streamlit构建WebUI。我之前一直在RestAPI，application挂不起来，可能因为版本冲突。
2.1 启动ANN服务
下载Elasticsearch并解压，官方文档给的是8.3.2版本，piplines里面requirements里给的是7.7-7.11的版本。
实测，8.7.1和7.11版本都可以，这里用的是8.7.1版本，下载安装教程可以参考我另一篇blog。
启动服务前，修改config中elasticsearch.yml配置，将xpack.security.enabled设置我false，默认是true。
xpack.security.enabled: false
看视频8.3.2和7.11的版本，都没有这条，可以自行加上。
es服务默认的端口是9200，其他详情参考我另一篇blog。
bin目录下，双击elasticsearch.bat，启动服务。
2.2 文档数据写入ANN索引库
# 以DuReader-Robust 数据集为例建立 ANN 索引库
python utils/offline_ann.py --index_name dureader_robust_query_encoder \
--doc_dir data/dureader_dev \
--search_engine elastic \
--embed_title True \
--delete_index
参数说明
-
index_name: 索引的名称 -
doc_dir: txt文本数据的路径 -
host: ANN索引引擎的IP地址 -
port: ANN索引引擎的端口号 -
search_engine: 选择的近似索引引擎elastic，milvus，默认elastic -
delete_index: 是否删除现有的索引和数据，用于清空es的数据，默认为false -
embed_title: 是否需要对标题建索引，默认为false，标题默认为文件名
2.3 启动RestAPI模型服务
指定环境变量，重写pipline服务的话，可以把这个写到参数里，总感觉这样不方便。
另外以前一直用Anaconda Prompt，但用Anaconda Powershell Prompt会更方便，多出了很多linux命令，比如，ls，不像在Anaconda Prompt里面要用dir。
另外Command shell是Windos内置的第一个shell，用于自动执行常规任务。PowerShell是Command shell的功能扩展，可以运行名为cmdlet的PowerShell命令，cmdlet是windos命令的拓展，Command shell只能运行Windows命令。
使用Anaconda Powershell Prompt的话：
$env:PIPELINE_YAML_PATH='rest_api/pipeline/semantic_search.yaml'
使用Anaconda Prompt：
set PIPELINE_YAML_PATH=rest_api/pipeline/semantic_search.yaml
然后，使用端口8891启动服务。
python rest_api/application.py 8891
哭了，之前浪费半天，看是不是es版本，或者其他代码的问题，结果就真的只是库版本冲突。
启动之后可以使用curl命令，验证是否成功运行，重新开一个cmd，进行验证：
直接复制官方文档的curl命令会报错：
curl -X POST -k http://localhost:8891/query -H 'Content-Type: application/json' -d '{"query": "范冰冰身高是多少?","params": {"Retriever": {"top_k": 5}, "Ranker":{"top_k": 5}}}'
正确的形式，这是因为windows的command.exe命令不支持单引号，所以要处理一下命令，先转义双引号，然后把单引号改为双引号。
curl -X POST -k http://localhost:8891/query -H "Content-Type:application/json" -d "{\"query\": \"范冰冰身高是多少?\", \"params\": {\"Retriever\": {\"top_k\": 5}, \"Ranker\":{\"top_k\": 5}}}"
同一个问题，通过es搜索之后，精度降低了？有两个评价指标，一个es_ann_score和score。看排序是根据score排的，但实际根据es_ann_score的话，和范冰冰相关那条0.9093是最高的。（代码还没有看）
2.4 启动WebUI
配置模型服务地址，重新开一个Anaconda Powershell Prompt：
$env:API_ENDPOINT='http://127.0.0.1:8891'
在端口8502启动WebUI。
python -m streamlit run ui/webapp_semantic_search.py --server.port 8502
启动成功，启动界面内置了一条。
看上去还挺准，还是范冰冰身高问题。
文章来源：https://www.toymoban.com/news/detail-464846.html
相关性比较差，模型推理的时候是没问题，那么可能跟es检索有关。文章来源地址https://www.toymoban.com/news/detail-464846.html
到了这里，关于Windows下搭建paddlenlp 语义检索系统的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![释放搜索潜力：基于ES(ElasticSearch)打造高效的语义搜索系统，让信息尽在掌握[2.项目讲解篇],支持Linux/Windows部署安装](https://imgs.yssmx.com/Uploads/2024/02/776562-1.png)
![释放搜索潜力：基于ES(ElasticSearch)打造高效的语义搜索系统，让信息尽在掌握[1.安装部署篇]，支持Linux/Windows部署安装](https://imgs.yssmx.com/Uploads/2024/02/744663-1.png)
![释放搜索潜力：基于ES(ElasticSearch)打造高效的语义搜索系统，让信息尽在掌握[1.安装部署篇--简洁版]，支持Linux/Windows部署安装](https://imgs.yssmx.com/Uploads/2024/02/738297-1.jpeg)
