Esci MiniLM L6 V2

🚀 metarank/esci-MiniLM-L6-v2

這是一個 sentence-transformers 模型，它可以將句子和段落映射到一個 384 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 Amazon ESCI 數據集 上對 sentence-transformers/all-MiniLM-L6-v2 模型進行微調得到的。

🚀 快速開始

當你安裝了 sentence-transformers 後，使用這個模型就變得很簡單：

pip install -U sentence-transformers

然後你可以像這樣使用該模型：

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

model = SentenceTransformer('metarank/esci-MiniLM-L6-v2')
embeddings = model.encode(sentences)
print(embeddings)

✨ 主要特性

• 能夠將句子和段落映射到 384 維的密集向量空間。
• 適用於聚類和語義搜索等任務。
• 基於 Amazon ESCI 數據集對 all-MiniLM-L6-v2 模型進行了微調。

📦 安裝指南

使用以下命令安裝 sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基礎用法

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

model = SentenceTransformer('metarank/esci-MiniLM-L6-v2')
embeddings = model.encode(sentences)
print(embeddings)

🔧 技術細節

訓練參數

該模型使用以下參數進行訓練：

數據加載器（DataLoader）： torch.utils.data.dataloader.DataLoader，長度為 769，參數如下：

{'batch_size': 128, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

損失函數（Loss）： sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss，參數如下：

{'scale': 20.0, 'similarity_fct': 'cos_sim'}

fit() 方法的參數：

{
    "epochs": 1,
    "evaluation_steps": 0,
    "evaluator": "NoneType",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 1000,
    "weight_decay": 0.01
}

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
  (2): Normalize()
)

📄 許可證

文檔中未提及相關許可證信息。

📚 引用與作者

• 作者：Roman Grebennikov