XYZ Embedding Zh

🚀 XYZ-embedding-zh

XYZ-embedding-zh 是一個基於 sentence-transformers 的模型，它能夠將句子和段落映射到 1792 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

使用該模型前，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('fangxq/XYZ-embedding-zh')
embeddings = model.encode(sentences)
print(embeddings)

✨ 主要特性

• 能夠將句子和段落映射到 1792 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

使用該模型前，你需要安裝 sentence-transformers：

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('fangxq/XYZ-embedding-zh')
embeddings = model.encode(sentences)
print(embeddings)

📚 詳細文檔

評估結果

若要對該模型進行自動評估，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': 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, 'include_prompt': True})
  (2): Dense({'in_features': 1024, 'out_features': 1792, 'bias': True, 'activation_function': 'torch.nn.modules.linear.Identity'})
)

引用與作者

原文檔未提供相關內容。

模型指標詳情