🚀 sentence-BERTino-v2-mmarco-4m
这是一个 sentence-transformers 模型,它可以将句子和段落映射到一个 768 维的密集向量空间,可用于聚类或语义搜索等任务。该模型是在约 400 万个 mmarco 示例上对 sentence-BERTino-v2-pt 进行微调得到的。
分别使用 query:
和 passage:
作为问题和文档的前缀标识符。
- 损失函数:MultipleNegativesRankingLoss
- 基础设施:A100 80GB
如果您觉得这个项目有用,不妨支持其开发:

🚀 快速开始
本模型可用于将句子和段落映射到 768 维的密集向量空间,适用于聚类或语义搜索等任务。下面将介绍不同方式下的使用方法。
✨ 主要特性
- 能够将句子和段落映射到 768 维的密集向量空间。
- 适用于聚类或语义搜索等任务。
- 基于约 400 万个 mmarco 示例对 sentence-BERTino-v2-pt 进行微调。
📦 安装指南
若要使用此模型,您需要安装 sentence-transformers:
pip install -U sentence-transformers
💻 使用示例
基础用法(Sentence-Transformers)
当您安装了 sentence-transformers 后,使用该模型会变得很简单:
from sentence_transformers import SentenceTransformer
sentences = [
"query: Questo è un esempio di frase",
"passage: Questo è un ulteriore esempio"
]
model = SentenceTransformer('efederici/sentence-BERTino-v2-mmarco-4m')
embeddings = model.encode(sentences)
print(embeddings)
高级用法(HuggingFace Transformers)
如果没有安装 sentence-transformers,您可以按照以下步骤使用该模型:
- 将输入数据传入 Transformer 模型。
- 对上下文词嵌入应用正确的池化操作。
from transformers import AutoTokenizer, AutoModel
import torch
def mean_pooling(model_output, attention_mask):
token_embeddings = model_output[0]
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 = [
"query: Questo è un esempio di frase",
"passage: Questo è un ulteriore esempio"
]
tokenizer = AutoTokenizer.from_pretrained('efederici/sentence-BERTino-v2-mmarco-4m')
model = AutoModel.from_pretrained('efederici/sentence-BERTino-v2-mmarco-4m')
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
with torch.no_grad():
model_output = model(**encoded_input)
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])
print("Sentence embeddings:")
print(sentence_embeddings)
🔧 技术细节
完整模型架构
SentenceTransformer(
(0): Transformer({'max_seq_length': 512, '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})
)
📄 许可证
本项目采用 Apache-2.0 许可证。