English • 日本語 • français • Deutsch • Русский язык • 中文
Website • Docs • Examples • Newsletter • Hub (beta) • Dashboard (beta) • Twitter • We are Hiring
想建立一个以深度学习为支撑的搜索系统？你来对地方了!
Jina是由最先进的AI和深度学习驱动的云端神经搜索框架。它得到了一个全职的、由风险投资支持的团队的长期支持。
🌌通用搜索解决方案 - Jina可以在多个平台和架构上实现任何类型的大规模索引和查询。无论您是搜索图片、视频片段、音频片段、长的法律文档、短的推文，Jina都能处理。
🚀高性能和最先进的设备 - Jina的目标是AI在生产过程中。你可以轻松地扩展出你的VideoBERT、Xception、你的单词令牌器、图像分割器和数据库来处理亿级数据。复制品和碎片等功能都是现成的。
🐣简单的系统工程 - Jina提供了一个一站式的解决方案，让你从手工制作和粘合包、库和数据库中解脱出来。通过最直观的API和仪表板构建一个云端搜索系统只是分分钟的事情。
🧩强大的扩展功能，简单的集成 - Jina的新AI模型？只需编写一个Python脚本或构建一个Docker镜像即可。插入新的算法从来都不是那么容易的事情，就像它应该做的那样。看看Jina Hub (测试版)并在社区贡献的不同用例上找到更多的扩展。
Jina是一个开源项目。我们正在招聘AI工程师、全栈开发者、传道者、PM，打造下一个开源的神经搜索生态。
在安装了 Python >= 3.7 的 Linux/MacOS 上，只需在终端上运行此命令即可。
pip install jina要在Raspberry Pi上安装Jina，或者在Raspberry Pi上安装Jina，需要额外的依赖关系。请参考文件.
我们提供了一个通用的Docker图像（只有80MB！），支持多种架构（包括x64、x86、x86、arm-64/v7/v6），只需做到这一点。
docker run jinaai/jina作为入门者，我们邀请你尝试一下Jina的 "Hello，世界"--简单的图像神经搜索的演示Fashion-MNIST.不需要额外的依赖关系，只需做。
jina hello-world....甚至对Docker用户来说更容易。不需要任何安装。简单地。
docker run -v "$(pwd)/j:/j" jinaai/jina hello-world --workdir /j && open j/hello-world.html # replace "open" with "xdg-open" on LinuxClick here to see the console output
它下载Fashi-MNIST训练和测试数据；告诉Jina从训练集中索引6万张图像。然后，它从测试集中随机抽取图像作为查询，要求Jina检索相关结果。大约1分钟后，它将打开一个网页，并显示出这样的结果。
那背后的实施呢？就像它应该是很简单的。
| Python API | index.yml | Flow in Dashboard |
from jina.flow import Flow
f = Flow.load_config('index.yml')
with f:
f.index(input_fn) |
!Flow
pods:
chunk_seg:
yaml_path: helloworld.crafter.yml
replicas: $REPLICAS
read_only: true
doc_idx:
yaml_path: helloworld.indexer.doc.yml
encode:
yaml_path: helloworld.encoder.yml
needs: chunk_seg
replicas: $REPLICAS
chunk_idx:
yaml_path: helloworld.indexer.chunk.yml
replicas: $SHARDS
separated_workspace: true
join_all:
yaml_path: _merge
needs: [doc_idx, chunk_idx]
read_only: true |
|
所有你能说出名字的大词：计算机视觉、神经IR、微服务、消息队列、弹性、复制&碎片，都是在短短一分钟内发生的!
有兴趣吗？玩，并尝试不同的选择。
jina hello-world --help请务必继续关注我们的《Jina101指南》。 - 在3分钟内理解Jina的所有关键概念!
|
English • 日本語 • français • Русский язык • 中文 |
| Tutorials | Level |
|---|---|
| Learn how to orchestrate Pods to work together: sequentially and in parallel; locally and remotely | |
| Learn how the input and output functions work in Jina | |
| Learn to use dashboard to monitor and get insight of a running workflow | |
| Learn how to use Jina to extract feature vector using any deep learning representation | |
| Learn how to build a script search system for South Park and practice your knowledge on Flows and Pods | |
| Learn how to build an image search system and define you own executors and run them in docker | |
| Learn how to increase the performance by using prefetching and sharding | |
| Learn to run Jina on remote instances and distribute your workflow | |
| Learn how to implement your own ideas into Jina's plugin | |
| Learn how Jina solves complex dependencies easily with Docker container | |
| Learn to use Jina Hub and share your extensions with engineers around the globe |
要深入学习Jina，最好的方法就是阅读我们的文档。文档建立在主分支的每个推送、合并和发布事件上。你可以在我们的文档中找到关于以下主题的更多细节。
你是 "文档"明星吗？是的?加入我们吧!我们欢迎大家对文档进行各种改进。
我们欢迎来自开源社区、个人和合作伙伴的各种贡献。没有你的积极参与，Jina就不会成功。
下面的资源将帮助你做好第一份贡献。
- Slack频道 - 为开发者提供交流平台，探讨Jina
- 社区通讯 - 订阅金娜的最新更新、发布和活动消息，订阅金娜的最新动态、发布和活动消息。
- LinkedIn - 了解Jina AI公司并寻找工作机会
- 关注我们，并使用tag标签与我们互动
#JinaSearch- 公司 - 了解更多关于我们公司的信息，我们完全致力于开源!
GitHub的里程碑为今后的改进工作铺设了道路。
我们正在寻找合作伙伴，围绕Jina建立一个开放治理模式（如技术指导委员会），以建立一个健康的开源生态系统和开发者友好的文化。如果您有兴趣参与，请随时联系我们，地址是[email protected].
Copyright (c) 2020 Jina AI Limited.保留所有权利。
Jina是在Apache License 2.0版本下授权的。许可证全文见LICENSE。