Hubert Base Cc Sentence Transformer

🚀 {MODEL_NAME}

這是一個 sentence-transformers 模型：它能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。

🚀 快速開始

✨ 主要特性

• 基於 sentence-transformers 框架，能夠高效地將句子和段落轉換為768維的密集向量。
• 可用於多種自然語言處理任務，如聚類、語義搜索等。

📦 安裝指南

如果你已經安裝了 sentence-transformers，使用這個模型會變得很簡單：

pip install -U sentence-transformers

💻 使用示例

基礎用法

使用 sentence-transformers 庫調用該模型：

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)

高級用法

若不使用 sentence-transformers 庫，你可以按以下方式使用該模型：首先，將輸入數據傳入 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


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    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 we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('{MODEL_NAME}')
model = AutoModel.from_pretrained('{MODEL_NAME}')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, mean pooling.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

📚 詳細文檔

評估結果

關於該模型的自動評估，請參考 Sentence Embeddings Benchmark：https://seb.sbert.net

訓練信息

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20，參數如下：

{'batch_size': 8, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

損失函數： sentence_transformers.losses.CosineSimilarityLoss.CosineSimilarityLoss

fit() 方法的參數：

{
    "epochs": 3,
    "evaluation_steps": 6,
    "evaluator": "sentence_transformers.evaluation.EmbeddingSimilarityEvaluator.EmbeddingSimilarityEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 10,
    "weight_decay": 0.01
}

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, '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})
)

🔧 技術細節

該模型基於 sentence-transformers 框架構建，結合了 Transformer 模型和池化操作，能夠將句子和段落映射到一個768維的密集向量空間。在訓練過程中，使用了餘弦相似度損失函數和 AdamW 優化器，並採用了線性熱身調度器。

📄 許可證

文檔未提及相關許可證信息。

Citing & Authors

文檔未詳細描述人們可以在哪裡找到更多信息。