Ml Use 512 MNR 10

🚀 ronanki/ml_use_512_MNR_10

這是一個 sentence-transformers 模型，它能將句子和段落映射到一個 512 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。首先，你需要安裝 sentence-transformers：

pip install -U sentence-transformers

然後，你可以按照以下方式使用該模型：

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

model = SentenceTransformer('ronanki/ml_use_512_MNR_10')
embeddings = model.encode(sentences)
print(embeddings)

✨ 主要特性

• 能夠將句子和段落映射到 512 維的密集向量空間。
• 可用於聚類或語義搜索等任務。

📦 安裝指南

使用以下命令安裝所需的庫：

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('ronanki/ml_use_512_MNR_10')
embeddings = model.encode(sentences)
print(embeddings)

📚 詳細文檔

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

sentence_transformers.datasets.NoDuplicatesDataLoader.NoDuplicatesDataLoader，長度為 29，參數如下：

{'batch_size': 32}

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": 10,
    "evaluation_steps": 0,
    "evaluator": "NoneType",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'transformers.optimization.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 2,
    "weight_decay": 0.01
}

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: DistilBertModel 
  (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': 512, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'})
)

引用與作者