🚀 stsb-xlm-r-multilingual-ro

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。該模型是stsb-xlm-r-multilingual針對羅馬尼亞語的微調版本。

🚀 快速開始

✨ 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、語義搜索等自然語言處理任務。
• 基於stsb-xlm-r-multilingual模型針對羅馬尼亞語進行了微調。

📦 安裝指南

若要使用此模型，需先安裝sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基礎用法

使用sentence-transformers庫時，使用該模型非常簡單：

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

model = SentenceTransformer('BlackKakapo/stsb-xlm-r-multilingual-ro')
embeddings = model.encode(sentences)
print(embeddings)

高級用法

若未安裝sentence-transformers，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('BlackKakapo/stsb-xlm-r-multilingual-ro')
model = AutoModel.from_pretrained('BlackKakapo/stsb-xlm-r-multilingual-ro')

🔧 技術細節

訓練

• 數據集：STS-ro，文本數據集為羅馬尼亞語（ro）。分數範圍是0到5，因此將分數除以5，因為EmbeddingSimilarityEvaluator（微調評估器）所需的分數範圍是0到1。數據集結構如下：

{
'score': 1.5,
 'sentence1': 'Un bărbat cântă la harpă.',
 'sentence2': 'Un bărbat cântă la claviatură.',
}

• 數據加載器：torch.utils.data.dataloader.DataLoader，長度為223，參數如下：

{'batch_size': 32, '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": 10,
    "evaluation_steps": 0,
    "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": 100,
    "weight_decay": 0.01
}

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (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

文檔中未提及許可證相關信息。

🔍 引用與作者

BlackKakapo