Skip to main content
通过开源的 johnsnowlabs 库，访问 johnsnowlabs 生态系统中的企业 NLP 库，涵盖 200 多种语言的 21,000 余个企业 NLP 模型。 所有 24,000+ 模型，请参阅 John Snow Labs 模型中心。

​
安装与设置

pip install johnsnowlabs
要安装企业功能，请运行： 
# 更多详情请参阅 https://nlp.johnsnowlabs.com/docs/en/jsl/install_licensed_quick
nlp.install()
您可以使用基于 gpu、cpu、apple_silicon、aarch 的优化二进制文件来嵌入查询和文档。 默认使用 CPU 二进制文件。 一旦会话启动，必须重启 notebook 才能在 GPU 和 CPU 之间切换，否则更改不会生效。

​
使用 CPU 嵌入查询：

document = "foo bar"
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert')
output = embedding.embed_query(document)

​
使用 GPU 嵌入查询：

document = "foo bar"
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','gpu')
output = embedding.embed_query(document)

​
使用 Apple Silicon（M1、M2 等）嵌入查询：

documents = ["foo bar", 'bar foo']
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','apple_silicon')
output = embedding.embed_query(document)

​
使用 AARCH 嵌入查询：

documents = ["foo bar", 'bar foo']
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','aarch')
output = embedding.embed_query(document)

​
使用 CPU 嵌入文档：

documents = ["foo bar", 'bar foo']
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','gpu')
output = embedding.embed_documents(documents)

​
使用 GPU 嵌入文档：

documents = ["foo bar", 'bar foo']
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','gpu')
output = embedding.embed_documents(documents)

​
使用 Apple Silicon（M1、M2 等）嵌入文档：

```python
documents = ["foo bar", 'bar foo']
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','apple_silicon')
output = embedding.embed_documents(documents)

​
使用 AARCH 嵌入文档：

```python
documents = ["foo bar", 'bar foo']
embedding = JohnSnowLabsEmbeddings('embed_sentence.bert','aarch')
output = embedding.embed_documents(documents)
模型通过 nlp.load 加载，底层通过 nlp.start() 启动 Spark 会话。
在 GitHub 上编辑此页面 或 提交 issue。
将这些文档连接 到 Claude、VSCode 等，通过 MCP 获取实时答案。