🚀 WikiMedical_sent_biobert_multi
WikiMedical_sent_biobert_multi 是一個基於 sentence-transformers 的模型,它可以將句子和段落映射到 768 維的密集向量空間,可用於聚類或語義搜索等任務。該模型是 nuvocare/WikiMedical_sent_biobert 的多語言版本,在 nuvocare/Ted2020_en_es_fr_de_it_ca_pl_ru_nl 數據集上進行了訓練。
🚀 快速開始
本部分將介紹如何使用 WikiMedical_sent_biobert_multi 模型,包括使用 sentence-transformers
庫和 HuggingFace Transformers
庫的方法。
✨ 主要特性
- 多語言支持:能夠處理多種語言的句子和段落。
- 向量映射:將文本映射到 768 維的密集向量空間。
- 任務適用性:適用於聚類、語義搜索等任務。
📦 安裝指南
若要使用該模型,你需要安裝 sentence-transformers 庫,可使用以下命令進行安裝:
pip install -U sentence-transformers
💻 使用示例
基礎用法(Sentence-Transformers)
在安裝了 sentence-transformers 庫後,使用該模型變得非常簡單,示例代碼如下:
from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]
model = SentenceTransformer('WikiMedical_sent_biobert_multi')
embeddings = model.encode(sentences)
print(embeddings)
高級用法(HuggingFace Transformers)
若未安裝 sentence-transformers 庫,你可以按以下方式使用該模型:首先將輸入傳遞給 Transformer 模型,然後對上下文詞嵌入應用正確的池化操作。
from transformers import AutoTokenizer, AutoModel
import torch
def mean_pooling(model_output, attention_mask):
token_embeddings = model_output[0]
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 = ['This is an example sentence', 'Each sentence is converted']
tokenizer = AutoTokenizer.from_pretrained('WikiMedical_sent_biobert_multi')
model = AutoModel.from_pretrained('WikiMedical_sent_biobert_multi')
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
with torch.no_grad():
model_output = model(**encoded_input)
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])
print("Sentence embeddings:")
print(sentence_embeddings)
📚 詳細文檔
評估結果
該模型基於兩種評估器 MSE 和 translation 進行跨語言評估,評估結果如下表所示:
語言 |
MSE (x100) |
翻譯(源到目標) |
翻譯(目標到源) |
de |
10.39 |
0.70 |
0.69 |
es |
9.9 |
0.75 |
0.74 |
fr |
10.00 |
0.72 |
0.73 |
it |
10.29 |
0.69 |
0.69 |
nl |
10.34 |
0.70 |
0.70 |
pl |
11.39 |
0.58 |
0.58 |
ru |
11.18 |
0.59 |
0.59 |
若要對該模型進行自動評估,請參考 Sentence Embeddings Benchmark:https://seb.sbert.net
訓練詳情
該模型使用以下參數進行訓練:
數據加載器
torch.utils.data.dataloader.DataLoader
,長度為 66833,參數如下:
{'batch_size': 16, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}
損失函數
sentence_transformers.losses.MSELoss.MSELoss
fit()
方法的參數如下:
{
"epochs": 1,
"evaluation_steps": 0,
"evaluator": "sentence_transformers.evaluation.SequentialEvaluator.SequentialEvaluator",
"max_grad_norm": 1,
"optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
"optimizer_params": {
"lr": 2e-05
},
"scheduler": "WarmupLinear",
"steps_per_epoch": null,
"warmup_steps": 500,
"weight_decay": 0.01
}
完整模型架構
SentenceTransformer(
(0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: XLMRobertaModel
(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})
)
🔧 技術細節