Distiluse Base Multilingual Cased V2

🚀 ONNX 版本的 distiluse-base-multilingual-cased-v2

本項目是 sentence-transformers/distiluse-base-multilingual-cased-v2 的 ONNX 轉換模型。它是一個基於 sentence-transformers 的 ONNX 模型，能夠將句子和段落映射到 512 維的密集向量空間，可用於聚類或語義搜索等任務。此自定義模型輸出的 last_hidden_state 與原始的 sentence-transformer 實現類似。

🚀 快速開始

本模型可用於句子相似度任務，支持多語言。許可證為 Apache-2.0。

✨ 主要特性

• 基於 sentence-transformers 框架，可將文本映射到 512 維向量空間。
• 輸出 last_hidden_state 與原始實現相似。
• 支持多語言輸入。

📦 安裝指南

在安裝了 optimum 的情況下，使用本模型會很方便：

python -m pip install optimum

你可能還需要安裝以下依賴：

python -m pip install onnxruntime
python -m pip install onnx

💻 使用示例

基礎用法

from optimum.onnxruntime.modeling_ort import ORTModelForCustomTasks
from transformers import AutoTokenizer

model = ORTModelForCustomTasks.from_pretrained("lorenpe2/distiluse-base-multilingual-cased-v2")
tokenizer = AutoTokenizer.from_pretrained("lorenpe2/distiluse-base-multilingual-cased-v2")
inputs = tokenizer("I love burritos!", return_tensors="pt")
pred = model(**inputs)

高級用法

你還可以使用 transformers 中的管道 API：

from transformers import pipeline

onnx_extractor = pipeline("feature-extraction", model=model, tokenizer=tokenizer)
text = "I love burritos!"
pred = onnx_extractor(text)

📚 詳細文檔

評估結果

要對該模型進行自動評估，請參考 Sentence Embeddings Benchmark：https://seb.sbert.net

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: DistilBertModel 
  (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): Dense({'in_features': 768, 'out_features': 512, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'})
)

引用與作者

本模型由 sentence-transformers 訓練。

如果你覺得該模型有幫助，請引用我們的論文 Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks：

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "http://arxiv.org/abs/1908.10084",
}

📄 許可證

本項目採用 Apache-2.0 許可證。