Sbert Chinese General V2 Distill

🚀 DMetaSoul/sbert-chinese-general-v2-distill

此模型是之前開源通用語義匹配模型的蒸餾版本（僅4層 BERT），適用於通用語義匹配場景。從效果來看，該模型在各種任務上泛化能力更好且編碼速度更快。

🚀 快速開始

此模型可通過不同框架進行使用，下面將為你詳細介紹。

📦 安裝指南

使用 Sentence-Transformers 框架

若使用 sentence-transformers 框架，需先進行安裝，命令如下：

pip install -U sentence-transformers

使用 HuggingFace Transformers 框架

若使用 HuggingFace Transformers 框架，可直接通過其載入模型，無需額外安裝依賴。

💻 使用示例

基礎用法

使用 Sentence-Transformers 框架

from sentence_transformers import SentenceTransformer
sentences = ["我的兒子！他猛然間喊道，我的兒子在哪兒？", "我的兒子呢！他突然喊道，我的兒子在哪裡？"]

model = SentenceTransformer('DMetaSoul/sbert-chinese-general-v2-distill')
embeddings = model.encode(sentences)
print(embeddings)

使用 HuggingFace Transformers 框架

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 = ["我的兒子！他猛然間喊道，我的兒子在哪兒？", "我的兒子呢！他突然喊道，我的兒子在哪裡？"]

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('DMetaSoul/sbert-chinese-general-v2-distill')
model = AutoModel.from_pretrained('DMetaSoul/sbert-chinese-general-v2-distill')

# 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)

📚 詳細文檔

評估結果

這裡主要跟蒸餾前對應的 teacher 模型作了對比：

性能對比

精度對比

基於1萬條數據測試，GPU設備是V100，batch_size=16，max_seq_len=256

📄 許可證

文檔中未提及相關許可證信息。

📧 引用與作者

若你需要引用此模型或聯繫作者，可通過以下郵箱： E-mail: xiaowenbin@dmetasoul.com