Dist Mpnet Czeng Cs En

🚀 多言語蒸留モデル

Dist-MPNet-Paracrawlは、sentence-transformers/all-mpnet-base-v2モデルから蒸留されたBERT-smallモデルです。訓練には、並列のcs-enデータセットCzEngを使用しています。

このモデルは、Seznam.czにおいて、高品質な小型のチェコ語意味埋め込みモデルを作成するプロジェクトの一環として作成されました。これらのモデルは、類似性検索、検索、クラスタリング、分類など、様々な自然言語処理タスクで良好な性能を発揮します。詳細や評価結果については、関連する論文またはGitHubリポジトリをご覧ください。

🚀 クイックスタート

このモデルは、以下のようにロードして使用することができます。

基本的な使用法

import torch
from transformers import AutoModel, AutoTokenizer

model_name = "Seznam/retromae-small-cs"  # Hugging Face link
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModel.from_pretrained(model_name)

input_texts = [
    "Dnes je výborné počasí na procházku po parku.",
    "Večer si oblíbím dobrý film a uvařím si čaj."
]

# Tokenize the input texts
batch_dict = tokenizer(input_texts, max_length=512, padding=True, truncation=True, return_tensors='pt')

outputs = model(**batch_dict)
embeddings = outputs.last_hidden_state[:, 0]  # Extract CLS token embeddings

similarity = torch.nn.functional.cosine_similarity(embeddings[0], embeddings[1], dim=0)

📄 ライセンス

このモデルは、CC BY-NC-SA 4.0ライセンスの下で提供されています。