Esci MiniLM L6 V2

🚀 metarank/esci-MiniLM-L6-v2

このモデルはsentence-transformersを使用しており、文章や段落を384次元の密ベクトル空間にマッピングします。クラスタリングや意味検索などのタスクに利用できます。 このモデルはsentence-transformers/all-MiniLM-L6-v2をAmazon ESCI datasetでファインチューニングしたものです。

🚀 クイックスタート

このモデルを使用するには、sentence-transformersをインストールする必要があります。

pip install -U sentence-transformers

インストール後、以下のようにモデルを使用できます。

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('metarank/esci-MiniLM-L6-v2')
embeddings = model.encode(sentences)
print(embeddings)

✨ 主な機能

• 文章や段落を384次元の密ベクトル空間にマッピングすることができます。
• クラスタリングや意味検索などのタスクに利用できます。

📦 インストール

このモデルを使用するには、sentence-transformersをインストールする必要があります。

pip install -U sentence-transformers

💻 使用例

基本的な使用法

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('metarank/esci-MiniLM-L6-v2')
embeddings = model.encode(sentences)
print(embeddings)

🔧 技術詳細

学習パラメータ

このモデルは以下のパラメータで学習されました。

DataLoader:

torch.utils.data.dataloader.DataLoader of length 769 with parameters:

{'batch_size': 128, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

Loss:

sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss with parameters:

{'scale': 20.0, 'similarity_fct': 'cos_sim'}

Parameters of the fit()-Method:

{
    "epochs": 1,
    "evaluation_steps": 0,
    "evaluator": "NoneType",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 1000,
    "weight_decay": 0.01
}

モデルアーキテクチャ

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
  (2): Normalize()
)

📄 ライセンス

ライセンス情報は提供されていません。

📚 ドキュメント

引用と著者

• Roman Grebennikov