PDF डॉक्यूमेंट लोडर्स
Retrieval Augmented Generation (RAG) को लागू करना शुरू करने के लिए, सबसे पहले आपको वे डॉक्यूमेंट लोड करने होंगे जिन तक मॉडल पहुँचेगा. ये डॉक्यूमेंट कई स्रोतों से आ सकते हैं, और LangChain इनमें से कई के लिए डॉक्यूमेंट लोडर्स सपोर्ट करता है.
इस अभ्यास में, आप एक डॉक्यूमेंट लोडर का उपयोग करके एक PDF डॉक्यूमेंट लोड करेंगे जिसमें Balaguer और सह-लेखकों (2024) का पेपर, RAG VS Fine-Tuning: Pipelines, Tradeoffs, and a Case Study on Agriculture शामिल है.
नोट: LangChain में PDF डॉक्यूमेंट लोड करने के लिए आवश्यक डिपेंडेंसी pypdf पहले से आपके लिए इंस्टॉल कर दी गई है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
LangChain के साथ LLM एप्लिकेशन विकसित करना
अभ्यास निर्देश
- LangChain में PDF डॉक्यूमेंट लोड करने के लिए उपयुक्त क्लास इम्पोर्ट करें.
- वर्तमान डायरेक्टरी में उपलब्ध
'rag_vs_fine_tuning.pdf'डॉक्यूमेंट के लिए एक डॉक्यूमेंट लोडर बनाएँ. - डॉक्यूमेंट को मेमोरी में लोड करें ताकि पहले डॉक्यूमेंट या पेज की सामग्री देख सकें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import library
from langchain_community.document_loaders import ____
# Create a document loader for rag_vs_fine_tuning.pdf
loader = ____
# Load the document
data = ____
print(data[0])