Bge Large En V1.5 Quant

🚀 bge-large-en-v1.5-quant

このモデルは、量子化（INT8）ONNXバリアントの埋め込みモデルで、Sparsifyによる量子化とDeepSparseSentenceTransformersによる推論が行われ、推論速度を向上させます。

🚀 クイックスタート

このモデルは、bge-large-en-v1.5 埋め込みモデルの量子化（INT8）ONNXバリアントで、Sparsify を使って量子化を行い、DeepSparseSentenceTransformers を使って推論を行います。

DeepSparse を使用することで、10コアのラップトップではレイテンシ性能を4.8倍、16コアのAWSインスタンスでは最大3.5倍向上させることができます。

✨ 主な機能

• 高速化：DeepSparseを使用することで、レイテンシ性能を大幅に向上させることができます。
• 量子化：Sparsifyを使用して量子化を行い、モデルのサイズを削減し、推論速度を向上させます。
• 簡単な使用方法：DeepSparseSentenceTransformersを使用することで、簡単にモデルを使用することができます。

📦 インストール

必要なライブラリをインストールするには、以下のコマンドを実行します。

pip install -U deepsparse-nightly[sentence_transformers]

💻 使用例

基本的な使用法

from deepsparse.sentence_transformers import DeepSparseSentenceTransformer
model = DeepSparseSentenceTransformer('neuralmagic/bge-large-en-v1.5-quant', export=False)

# Our sentences we like to encode
sentences = ['This framework generates embeddings for each input sentence',
    'Sentences are passed as a list of string.',
    'The quick brown fox jumps over the lazy dog.']

# Sentences are encoded by calling model.encode()
embeddings = model.encode(sentences)

# Print the embeddings
for sentence, embedding in zip(sentences, embeddings):
    print("Sentence:", sentence)
    print("Embedding:", embedding.shape)
    print("")

コミュニティへの問い合わせ

これらのモデルや疎化手法に関する一般的な質問については、コミュニティSlack でエンジニアリングチームに問い合わせてください。

📚 ドキュメント

モデルの評価結果

📄 ライセンス

このモデルはMITライセンスの下で提供されています。