在图像搜索API服务调用实验中，实验手册的步骤是如下步骤：但是在真实操作的时候却变成了下面这种：并且当我按照手册步骤进入网址的时候没有弹出使用旧版提示：搜索相关文档后，发现是之前的API废弃了但是我想过这个实验，换成新的API的操作又是什么样的呢？

教育版2.18通用CV拾取经常无反应

↵冲冲冲冲冲冲冲冲冲c'c'c'c

疫情前的生活.那时很多人还为曾离去

一起来欣赏春天的桃夭生命力吧！

自然无疑是美妙的，我们也许听不懂它们的语言，但并不妨碍欣赏

落霞与孤鹜齐飞，秋水共长天一色

借用李清照《如梦令》中的一词

girl embrace the starry sky

A daydream girl who dreams of not being fat is also a wild girl

【人工智能入门级开发者认证】【图像搜索API服务调用】实验，操作很多次了，每次都是第一步完成不了，第二，三，四步完成，最终进度75%

【功能模块】moxing的导入问题【操作步骤&问题现象】1、import moxing as mox时报错2、网上的回答太笼统！！！【截图信息】【日志信息】（可选，上传日志内容或者附件）

 计算机视觉的最新进展提高了图像嵌入(密集矢量表示)的相关性，使用最近的剪辑模型，为我的本地图片实现类似Google的图像搜索现在很容易实现。作者：佚名    来源：磐创AI几天前，我有一种想要回顾一张我记忆犹新的旧照片的愿望，但我不知道在哪里可以找到…自从这张照片被拍摄后，我换了两次手机，换了一次笔记本电脑，我很确定我当时已经通过Messenger把它发给了某人，但是是谁呢？如果能用一个简单的描述性查询搜索我所有的图片并找到它，那该有多方便啊！…计算机视觉的最新进展提高了图像嵌入(密集矢量表示)的相关性，使用最近的剪辑模型，为我的本地图片实现类似Google的图像搜索现在很容易实现。无需深入研究细节(更多信息，请参阅博客帖子和论文：https://openai.com/blog/clip/)，Clip是一个神经网络，旨在通过自然语言监督来学习图像特征。基本上，它使用互联网上带有相关字幕的公共图像，将文本嵌入类似Bert的语言模型，并将图像嵌入视觉转换器。请注意，所使用的技术可以应用于其他NLP和CV模型体系结构。利用多个图像/文本嵌入对，可以通过批量负对比训练来微调视觉和文本嵌入模型，类似于在信息检索的NLP领域中可以做的事情。基本上，目标是使图像嵌入与其关联的文本嵌入相对应(点积)，并且与其他图像的所有标题(1)不同。剪辑通常用于“零镜头”分类；给定图像和字幕列表，它会推断图像的最佳字幕是什么。在上面的例子(2)中，与“飞机的照片”、“鸟的照片”、“汽车的照片”相比，“狗的照片”是最好的图片说明。…我对图像搜索引擎的想法(这里并不新鲜)是颠覆这一点，而不是基于图像对字幕进行分类，而是基于文本查询对图像进行分类。该过程将如下所示：找到给定目录中的所有图像使用预先训练的剪辑视觉转换器计算每个图像的嵌入，并将它们与图像路径一起存储以供将来参考。https://openai.com/blog/clip/在运行时，使用剪辑文本转换器将用户查询转换为文本嵌入。计算文本嵌入与所有存储的图像嵌入的点积，根据其获得的分数对所有图像进行排序，并返回排名最高的N个图像的路径。这个过程以及一些额外的特性是在我的Github存储库中实现的：https://github.com/ManuelFay/ImageSearcher. https://github.com/ManuelFay/ImageSearcher在索引阶段，代码使用oslibrary查找给定目录和子目录中的所有图片，使用转换器和Pickle库嵌入和存储矢量化表示。在运行时，将加载酸洗过的嵌入，并根据嵌入的查询进行匹配，然后返回排名第n位的图像。提供了Flask/Gunicorn API，以便能够高效地使用具有外部接口的搜索引擎。还提供了一个简单的Google Image Search，类似于Vue.js构建的Web界面。示例为了获取大量的图片，我从Facebook下载了我的Messenger档案，获得了过去几年里我发送和接收的大约1万张图片。搜索引擎允许进行非常描述性的查询。排名靠前的图像排在第一位。请注意，这些图片都是从我的大约10,000张本地图片中提供的，因此选项池是有限的。元查询也是可能的。在这里，我们请求无人机拍摄的照片：这是一个很快的下午项目，但剪辑模型的精确度给我留下了深刻的印象。要自己测试它，请使用https://github.com/ManuelFay/ImageSearcher.中的代码欢迎对改进和额外功能的贡献！ https://github.com/ManuelFay/ImageSearcher

图像搜索搭建本地开发环境，有什么详细文档介绍吗？