기본 콘텐츠로 건너뛰기

[2025-07-21] Intel Mac 2019 에서 embedding 해보기

Intel Mac 2019 에서 embedding 해보기

작성일 : 2025-07-21

안녕하세요. 클스 입니다.

이걸 왜 하나 싶겠지만, 난 아직 2019년형 인텔 CPU 기반 Mac을 사용하고 있습니다.

다 발전하는데 제 맥북은 그대로네요. 

그래도 궁금한건 못참으니 해봐야 겠죠

문제 : postgresql에 pg_vector로 난잡한 주소를 vector화 한다음 검색해보려고 합니다.

그런데 벡터화를 하려면 embedding 모델을 돌려야 하는데, 난 이미 python 3.14를 설치했고,

그런데 인텔 맥에서 sentence_transformers 를 사용하려니 "인텔 맥"은 지원 안되네요.

그래도 아래와 같이 지원됩니다.


'''
file : emb_1.py

sentence_transformers, torch는 intel mac 에서는 python 3.12.4 까지만 지원
그래서 가상환경은 python 3.12.4를 생성해서 실행

* 프로젝트 폴더 생성
$ mkdir -p ~/example/test1
$ cd ~/example/test1

* 프로젝트 초기화
$ uv init --no-workspace

* python 설치 및 가상환경 구축
$ uv python install 3.12.4
$ uv venv -p 3.12.4 .venv-3.12.4
$ source .venv-3.12.4/bin/activate

* package 설치
$ uv pip uninstall numpy torch transformers sentence-transformers
$ uv pip install "numpy<2.0" "transformers==4.41.2" torch sentence-transformers
$ uv pip install ipykernel

* 소스 작성 : emb_1.py
* 실행 : python ./emb_1.py
'''

from sentence_transformers import SentenceTransformer
import time
model = SentenceTransformer('snunlp/KR-SBERT-V40K-klueNLI-augSTS')
t1 = time.time()
embedding = model.encode("477-20 포함하는 전체 주소 알려줘")
print("Elapsed:", time.time()-t1)

참고로 uv로 가상환경을 활성화 했으면 비활성화는 deactivate만 하면 됩니다.
이상 클스였습니다.

댓글

이 블로그의 인기 게시물

[quaser.dev][2014-09-14] 윈도우즈(10, 64bit)에 개발환경 설정하기

[quaser.dev][2014-09-14] 윈도우즈(10, 64bit)에 개발환경 설정하기

[2024-10-19] iPhone, iPad에서 ChatGPT로 PDF 생성시 한글 깨짐 해결 방법

iPhone, iPad에서 ChatGPT로 PDF 생성 시 한글 깨짐 해결 방법

[2025-04-16(수)] OpenAI gpt-4.1 시리즈 발표, Anthropic Claude에 대한 생각

OpenAI gpt-4.1 시리즈 발표, Anthropic Claude에 대한 생각 안녕하세요. 클스 입니다. 4/15일자로 openai가 gpt-4.1 시리즈를 발표 했습니다. 현재는 api로만 사용가능합니다. 점차 웹/앱 사용자에게 오픈 될거라 생각 됩니다. 비용상 문제로 4.1-mini, nano를 사용해서 chatbot을 만들어 보고 있습니다. 4o 시리즈 보다는 확실히 빠르고, 답변의 정확도는 올라간 것 같습니다. 앤트로픽 클로드와 비교를 많이 하는데, 업무 시스템 혹은 AI 솔루션을 개발하는 입장에서는 어떤 생태계를 제공하는가가 주요한 결정 입니다. AI관련 인력을 충분히 보유한 회사의 경우는 어떤걸 사용해도 좋을 결과를 가지겠지만 일반적인 챗봇 개발 절차를 보면 다음과 같이 볼 수 있습니다. 1. 문서를 준비한다. 대부분 pdf, text, markdown 2. 문서를 파싱해서 vectordb에 올린다.     - 별도 벡터디비 구성 필요. 어떤 db를 선택할지 고민 필요     - 어떤 Parser를 사용할지, 텍스트 오버래핑은 얼마가 적당한지 고민 필요        (회사의 문서가 워낙 많고, 다양하면 하나하나 테스트 해서 좋은걸 선택하는 것이 어렵다)     - 유사도 측정은 어떤 알고리즘을 써야할지 고민 필요     - llamaindex도 고민해야 함. 3. RAG flow를 만든다.     - langchain을 쓸지, 각 AI 벤더에서 제공하는 sdk를 쓸지 고민 필요       (대부분 락인이 되지 않으려면 langchain을 사용하면 좋지만, 벤더에 특화면 기능 적용이 늦음) 4. 챗봇 UI 앱을 만든다.     - 답변이 text 로 구성되다 보니. 그래프, 이미지등 복합적인 컨텐츠를 재배치 하여 표현하기 상당히 어렵네요. (이건 제가 실력이 모자라서 .. 패스) ...