Sn Xlm Roberta Base Snli Mnli Anli Xnli

🚀 ゼロショットおよびフューショットテキスト分類用に訓練されたシアミーズネットワークモデル

このモデルは、ゼロショットおよびフューショットテキスト分類のために訓練されたシアミーズネットワークモデルです。文章や段落を768次元の密ベクトル空間にマッピングすることができ、様々な言語のテキストに対応しています。

🚀 クイックスタート

このモデルは、sentence-transformers を用いることで簡単に使用できます。また、HuggingFace Transformers を使っても利用可能です。

✨ 主な機能

• サポート言語: ar, bg, de, el, en, es, fr, ru, th, tr, ur, vn, zh
• 訓練データセット: SNLI, MNLI, ANLI, XNLI
• パイプラインタグ: sentence-similarity
• タグ: zero-shot-classification, sentence-transformers, feature-extraction, sentence-similarity, transformers
• ベースモデル: xlm-roberta-base

📦 インストール

sentence-transformers をインストールすることで、このモデルを簡単に使用できます。

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('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)

高度な使用法

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)


# Sentences we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('{MODEL_NAME}')
model = AutoModel.from_pretrained('{MODEL_NAME}')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, mean pooling.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)