Distilbert Similarity B32

🚀 shafin/distilbert-similarity-b32

このモデルはsentence-transformersをベースに構築されており、文章や段落を32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。

🚀 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

インストールが完了したら、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('shafin/distilbert-similarity-b32')
embeddings = model.encode(sentences)
print(embeddings)

✨ 主な機能

• 文章や段落を32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。

📦 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('shafin/distilbert-similarity-b32')
embeddings = model.encode(sentences)
print(embeddings)

📚 ドキュメント

評価結果

このモデルの自動評価については、Sentence Embeddings Benchmarkを参照してください。 https://seb.sbert.net

学習

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 9375 with parameters:

{'batch_size': 16, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

Loss: sentence_transformers.losses.OnlineContrastiveLoss.OnlineContrastiveLoss

fit()メソッドのパラメータ:

{
    "epochs": 15,
    "evaluation_steps": 0,
    "evaluator": "NoneType",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'transformers.optimization.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 3000,
    "weight_decay": 0.01
}

完全なモデルアーキテクチャ

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: DistilBertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
  (2): Dense({'in_features': 768, 'out_features': 256, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'})
  (3): Dense({'in_features': 256, 'out_features': 32, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'})
)

🔧 技術詳細

このモデルはsentence-transformersを使用して構築されており、文章や段落を32次元の密ベクトル空間にマッピングします。学習にはOnlineContrastiveLossを使用し、AdamWオプティマイザーで最適化されています。

📄 ライセンス

原文書にライセンス情報が記載されていないため、このセクションは省略されています。