🚀 {lyrics-bert}
這是一個句子轉換器模型:它可以將句子和段落映射到一個300維的密集向量空間,可用於聚類或語義搜索等任務。
該模型基於約480,000首被Python的langdetect
包歸類為英文的歌詞進行訓練。它使用對比學習和多負排名損失從頭開始訓練,基礎模型為bert-base-uncased
模型。在損失函數穩定在$1.16 * 10^{-4}$後,模型訓練了17個週期。
🚀 快速開始
安裝
若你已安裝句子轉換器,使用此模型將變得十分簡單:
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('brunokreiner/lyrics-bert')
embeddings = model.encode(sentences)
print(embeddings)
高級用法
若未安裝句子轉換器,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
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 = ['This is an example sentence', 'Each sentence is converted']
tokenizer = AutoTokenizer.from_pretrained('{MODEL_NAME}')
model = AutoModel.from_pretrained('{MODEL_NAME}')
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)
📚 詳細文檔
評估結果
要對該模型進行自動評估,請參考 句子嵌入基準測試:https://seb.sbert.net
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': 300, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)
引用與作者
如需瞭解更多信息,請參考相關文檔。