Bert Base Turkish 128k Uncased Spelling Correction

🚀 {MODEL_NAME}

這是一個 sentence-transformers 模型，它可以將句子和段落映射到一個 16 維的密集向量空間，可用於聚類或語義搜索等任務。

🚀 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('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)

📊 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

🔧 訓練

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 8149，參數如下：

{'batch_size': 256, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

損失函數

sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss，參數如下：

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

fit() 方法的參數

{
    "epochs": 20,
    "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": 16298,
    "weight_decay": 0.01
}

📚 完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 20, 'do_lower_case': False}) with Transformer model: BertModel 
  (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': 16, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'})
)

📄 引用與作者

如需瞭解更多信息，請參考相關資料。