Ms Marco TinyBERT L6

🚀 用於MS Marco的交叉編碼器

本模型針對MS Marco段落排序任務進行訓練。該模型可用於信息檢索：給定一個查詢，將該查詢與所有可能的段落（例如通過ElasticSearch檢索到的段落）進行編碼，然後按降序對段落進行排序。更多詳細信息請參閱 SBERT.net 檢索與重排序。訓練代碼可在此處獲取：SBERT.net 訓練MS Marco。

🚀 快速開始

✨ 主要特性

• 本模型在 MS Marco段落排序 任務上進行訓練，可用於信息檢索。
• 提供了使用 transformers 和 sentence-transformers 庫的使用示例。
• 給出了多種預訓練交叉編碼器在 TREC深度學習2019 和 MS Marco段落重排序 數據集上的性能表現。

📦 安裝指南

文檔未提及安裝步驟，可參考 transformers 和 sentence-transformers 庫的官方安裝說明進行安裝。

💻 使用示例

基礎用法（使用Transformers庫）

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model = AutoModelForSequenceClassification.from_pretrained('cross-encoder/ms-marco-TinyBERT-L6')
tokenizer = AutoTokenizer.from_pretrained('cross-encoder/ms-marco-TinyBERT-L6')

features = tokenizer(['How many people live in Berlin?', 'How many people live in Berlin?'], ['Berlin has a population of 3,520,031 registered inhabitants in an area of 891.82 square kilometers.', 'New York City is famous for the Metropolitan Museum of Art.'],  padding=True, truncation=True, return_tensors="pt")

model.eval()
with torch.no_grad():
    scores = model(**features).logits
    print(scores)

高級用法（使用SentenceTransformers庫）

當你安裝了 SentenceTransformers 庫後，使用會變得更加簡單。你可以像這樣使用預訓練模型：

from sentence_transformers import CrossEncoder

model = CrossEncoder('cross-encoder/ms-marco-TinyBERT-L6', max_length=512)
scores = model.predict([('Query', 'Paragraph1'), ('Query', 'Paragraph2') , ('Query', 'Paragraph3')])

📚 詳細文檔

性能表現

在下表中，我們提供了各種預訓練的交叉編碼器及其在 TREC深度學習2019 和 MS Marco段落重排序 數據集上的性能表現。

注意：運行時間是在V100 GPU上計算得出的。

📄 許可證

本項目採用Apache-2.0許可證。

🔧 技術細節