🚀 sentence-BERTino-v2-mmarco-4m
這是一個 sentence-transformers 模型,它可以將句子和段落映射到一個 768 維的密集向量空間,可用於聚類或語義搜索等任務。該模型是在約 400 萬個 mmarco 示例上對 sentence-BERTino-v2-pt 進行微調得到的。
分別使用 query:
和 passage:
作為問題和文檔的前綴標識符。
- 損失函數:MultipleNegativesRankingLoss
- 基礎設施:A100 80GB
如果您覺得這個項目有用,不妨支持其開發:

🚀 快速開始
本模型可用於將句子和段落映射到 768 維的密集向量空間,適用於聚類或語義搜索等任務。下面將介紹不同方式下的使用方法。
✨ 主要特性
- 能夠將句子和段落映射到 768 維的密集向量空間。
- 適用於聚類或語義搜索等任務。
- 基於約 400 萬個 mmarco 示例對 sentence-BERTino-v2-pt 進行微調。
📦 安裝指南
若要使用此模型,您需要安裝 sentence-transformers:
pip install -U sentence-transformers
💻 使用示例
基礎用法(Sentence-Transformers)
當您安裝了 sentence-transformers 後,使用該模型會變得很簡單:
from sentence_transformers import SentenceTransformer
sentences = [
"query: Questo è un esempio di frase",
"passage: Questo è un ulteriore esempio"
]
model = SentenceTransformer('efederici/sentence-BERTino-v2-mmarco-4m')
embeddings = model.encode(sentences)
print(embeddings)
高級用法(HuggingFace Transformers)
如果沒有安裝 sentence-transformers,您可以按照以下步驟使用該模型:
- 將輸入數據傳入 Transformer 模型。
- 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 = [
"query: Questo è un esempio di frase",
"passage: Questo è un ulteriore esempio"
]
tokenizer = AutoTokenizer.from_pretrained('efederici/sentence-BERTino-v2-mmarco-4m')
model = AutoModel.from_pretrained('efederici/sentence-BERTino-v2-mmarco-4m')
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)
🔧 技術細節
完整模型架構
SentenceTransformer(
(0): Transformer({'max_seq_length': 512, '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})
)
📄 許可證
本項目採用 Apache-2.0 許可證。