Distiluse Base Multilingual Cased V2

🚀 ONNX 版本的 distiluse-base-multilingual-cased-v2

本项目是 sentence-transformers/distiluse-base-multilingual-cased-v2 的 ONNX 转换模型。它是一个基于 sentence-transformers 的 ONNX 模型，能够将句子和段落映射到 512 维的密集向量空间，可用于聚类或语义搜索等任务。此自定义模型输出的 last_hidden_state 与原始的 sentence-transformer 实现类似。

🚀 快速开始

本模型可用于句子相似度任务，支持多语言。许可证为 Apache-2.0。

✨ 主要特性

• 基于 sentence-transformers 框架，可将文本映射到 512 维向量空间。
• 输出 last_hidden_state 与原始实现相似。
• 支持多语言输入。

📦 安装指南

在安装了 optimum 的情况下，使用本模型会很方便：

python -m pip install optimum

你可能还需要安装以下依赖：

python -m pip install onnxruntime
python -m pip install onnx

💻 使用示例

基础用法

from optimum.onnxruntime.modeling_ort import ORTModelForCustomTasks
from transformers import AutoTokenizer

model = ORTModelForCustomTasks.from_pretrained("lorenpe2/distiluse-base-multilingual-cased-v2")
tokenizer = AutoTokenizer.from_pretrained("lorenpe2/distiluse-base-multilingual-cased-v2")
inputs = tokenizer("I love burritos!", return_tensors="pt")
pred = model(**inputs)

高级用法

你还可以使用 transformers 中的管道 API：

from transformers import pipeline

onnx_extractor = pipeline("feature-extraction", model=model, tokenizer=tokenizer)
text = "I love burritos!"
pred = onnx_extractor(text)

📚 详细文档

评估结果

要对该模型进行自动评估，请参考 Sentence Embeddings Benchmark：https://seb.sbert.net

完整模型架构

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'})
)

引用与作者

本模型由 sentence-transformers 训练。

如果你觉得该模型有帮助，请引用我们的论文 Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks：

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "http://arxiv.org/abs/1908.10084",
}

📄 许可证

本项目采用 Apache-2.0 许可证。