🚀 LazarusNLP/simcse-indoroberta-base
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。
🚀 快速开始
安装依赖
要使用这个模型,你需要安装 sentence-transformers:
pip install -U sentence-transformers
使用示例
基础用法(使用 sentence-transformers 库)
from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]
model = SentenceTransformer('LazarusNLP/simcse-indoroberta-base')
embeddings = model.encode(sentences)
print(embeddings)
高级用法(不使用 sentence-transformers 库)
不使用 sentence-transformers 库时,你可以按以下方式使用该模型:首先,将输入传递给 Transformer 模型,然后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 = ['This is an example sentence', 'Each sentence is converted']
tokenizer = AutoTokenizer.from_pretrained('LazarusNLP/simcse-indoroberta-base')
model = AutoModel.from_pretrained('LazarusNLP/simcse-indoroberta-base')
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)
📚 详细文档
评估结果
要对该模型进行自动评估,请查看 Sentence Embeddings Benchmark:https://seb.sbert.net
训练信息
该模型使用以下参数进行训练:
数据加载器:
torch.utils.data.dataloader.DataLoader
,长度为 7813,参数如下:
{'batch_size': 128, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}
损失函数:
sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss
,参数如下:
{'scale': 20.0, 'similarity_fct': 'cos_sim'}
fit()
方法的参数:
{
"epochs": 1,
"evaluation_steps": 0,
"evaluator": "sentence_transformers.evaluation.EmbeddingSimilarityEvaluator.EmbeddingSimilarityEvaluator",
"max_grad_norm": 1,
"optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
"optimizer_params": {
"lr": 3e-05
},
"scheduler": "WarmupLinear",
"steps_per_epoch": null,
"warmup_steps": 10000,
"weight_decay": 0.01
}
完整模型架构
SentenceTransformer(
(0): Transformer({'max_seq_length': 32, 'do_lower_case': False}) with Transformer model: RobertaModel
(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, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False})
)
引用与作者
如需了解更多信息,请参考相关文档。
模型信息
属性 |
详情 |
模型类型 |
句子相似度模型 |
训练数据 |
LazarusNLP/wikipedia_id_20230520 |
任务标签 |
句子相似度 |
标签 |
sentence-transformers、特征提取、句子相似度、transformers |
语言 |
印尼语 |