St Codesearch Distilroberta Base

🚀 flax-sentence-embeddings/st-codesearch-distilroberta-base

这是一个 sentence-transformers 模型，它能将句子和段落映射到一个 768 维的密集向量空间，可用于聚类或语义搜索等任务。该模型在 code_search_net 数据集上进行训练，可根据文本搜索程序代码。

🚀 快速开始

本模型可以将句子和段落映射到 768 维的向量空间，适用于代码搜索、聚类和语义搜索等任务。它在 code_search_net 数据集上训练，能根据文本搜索代码。

✨ 主要特性

• 向量映射：将句子和段落映射到 768 维的密集向量空间。
• 多任务适用：可用于聚类、语义搜索等任务。
• 代码搜索：基于 code_search_net 数据集训练，能根据文本搜索程序代码。

📦 安装指南

若要使用此模型，需安装 sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基础用法

from sentence_transformers import SentenceTransformer, util


#This list the defines the different programm codes
code = ["""def sort_list(x):
   return sorted(x)""",
"""def count_above_threshold(elements, threshold=0):
    counter = 0
    for e in elements:
        if e > threshold:
            counter += 1
    return counter""",
"""def find_min_max(elements):
    min_ele = 99999
    max_ele = -99999
    for e in elements:
        if e < min_ele:
            min_ele = e
        if e > max_ele:
            max_ele = e
    return min_ele, max_ele"""]
    

model = SentenceTransformer("flax-sentence-embeddings/st-codesearch-distilroberta-base")

# Encode our code into the vector space
code_emb = model.encode(code, convert_to_tensor=True)

# Interactive demo: Enter queries, and the method returns the best function from the 
# 3 functions we defined
while True:
    query = input("Query: ")
    query_emb = model.encode(query, convert_to_tensor=True)
    hits = util.semantic_search(query_emb, code_emb)[0]
    top_hit = hits[0]

    print("Cossim: {:.2f}".format(top_hit['score']))
    print(code[top_hit['corpus_id']])
    print("\n\n")

高级用法

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

model = SentenceTransformer('flax-sentence-embeddings/st-codesearch-distilroberta-base')
embeddings = model.encode(sentences)
print(embeddings)

🔧 技术细节

训练信息

该模型使用 DistilRoBERTa-base 模型，在 codesearch 数据集上以批量大小 256 和 MultipleNegativesRankingLoss 进行 10000 个训练步骤的训练。它是一个初步模型，尚未经过充分测试和复杂训练。

训练参数

DataLoader

MultiDatasetDataLoader.MultiDatasetDataLoader，长度为 5371，参数如下：

{'batch_size': 256}

Loss

sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss，参数如下：

{'scale': 20, 'similarity_fct': 'dot_score'}

fit() 方法参数

{
    "callback": null,
    "epochs": 1,
    "evaluation_steps": 0,
    "evaluator": "NoneType",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'transformers.optimization.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "warmupconstant",
    "steps_per_epoch": 10000,
    "warmup_steps": 500,
    "weight_decay": 0.01
}

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: RobertaModel 
  (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): Normalize()
)

📚 详细文档

模型属性详情

引用与作者