Sentence Transformers E5 Large V2

🚀 embaas/sentence-transformers-e5-large-v2

這是 intfloat/e5-large-v2 模型的 sentence-transformers 版本。它能將句子和段落映射到一個 1024 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

本模型可以通過兩種方式使用，分別是使用 sentence-transformers 庫和使用 embaas API，下面為你詳細介紹。

✨ 主要特性

• 支持 sentence-transformers 庫，使用方便。
• 可通過 embaas API 進行輸入編碼。
• 可將句子和段落映射到 1024 維的密集向量空間。

📦 安裝指南

若要使用 sentence-transformers 庫調用此模型，你需要先安裝 sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基礎用法

使用 sentence-transformers 庫調用模型的示例代碼如下：

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

model = SentenceTransformer('embaas/sentence-transformers-e5-large-v2')
embeddings = model.encode(sentences)
print(embeddings)

高級用法

使用 embaas API 對輸入進行編碼。你可以從 embaas.io 獲取免費的 API 密鑰。

import requests
 
url = "https://api.embaas.io/v1/embeddings/"
 
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer ${YOUR_API_KEY}"
}
 
data = {
    "texts": ["This is an example sentence.", "Here is another sentence."],
    "instruction": "query",
    "model": "e5-large-v2"
}
 
response = requests.post(url, json=data, headers=headers)

📚 詳細文檔

評估結果

你可以在 MTEB 排行榜 上查看 e5 模型的評估結果。

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': 1024, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False})
  (2): Normalize()
)

引用與作者

關於該模型的更多信息，請參考相關文檔。

⚠️ 重要提示

使用 embaas API 時，需要從 embaas.io 獲取有效的 API 密鑰。

💡 使用建議

若要使用 sentence-transformers 庫調用模型，請確保已正確安裝該庫。