Bge Micro V2

🚀 bge-micro-v2

這是一個基於sentence-transformers的模型，它能將句子和段落映射到384維的稠密向量空間，可用於聚類或語義搜索等任務。本項目從https://huggingface.co/TaylorAI/bge-micro-v2 復刻而來，以確保模型持續可用。具體許可信息請見 license。

🚀 快速開始

安裝依賴

若已安裝 sentence-transformers，使用該模型將十分便捷：

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

高級用法

若未安裝 sentence-transformers，可按以下方式使用該模型：首先，將輸入傳入transformer模型，然後對上下文詞嵌入應用合適的池化操作。

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)

✨ 主要特性

• 該模型是一個 sentence-transformers 模型，可將句子和段落映射到384維的稠密向量空間。
• 可用於聚類或語義搜索等任務。
• 該模型是從 BAAI/bge-small-en-v1.5 經過兩步訓練過程（bge-micro是第一步）蒸餾得到的。

📚 詳細文檔

評估結果

有關該模型的自動評估，請參考 Sentence Embeddings Benchmark：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': 384, '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

如需更多信息，請參考相關文檔。

📄 許可證

本項目復刻自https://huggingface.co/TaylorAI/bge-micro-v2 ，具體許可信息請見 license。