🚀 airnicco8/xlm - roberta - en - it - de
这是一个 sentence - transformers 模型,它能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。这是一个学生版的 XLMRoBERTa 模型,经过训练后能为英语、德语和意大利语生成多语言句子嵌入。它可以针对下游任务进行微调,例如:语义相似度(此处提供示例)、自然语言推理(NLI)和文本分类。
🚀 快速开始
📦 安装指南
若要使用此模型,需先安装 sentence - transformers:
pip install -U sentence-transformers
💻 使用示例
基础用法
使用 sentence - transformers
库调用此模型:
from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]
model = SentenceTransformer('airnicco8/xlm-roberta-en-it-de')
embeddings = model.encode(sentences)
print(embeddings)
高级用法
若未安装 sentence - transformers,可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('airnicco8/xlm-roberta-en-it-de')
model = AutoModel.from_pretrained('airnicco8/xlm-roberta-en-it-de')
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
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
训练细节
该模型的训练参数如下:
- 数据加载器(DataLoader):
torch.utils.data.dataloader.DataLoader
,长度为 6142,参数如下:{'batch_size': 64, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}
- 损失函数(Loss):
sentence_transformers.losses.MSELoss.MSELoss
fit()
方法的参数:{
"epochs": 10,
"evaluation_steps": 1000,
"evaluator": "sentence_transformers.evaluation.SequentialEvaluator.SequentialEvaluator",
"max_grad_norm": 1,
"optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
"optimizer_params": {
"eps": 1e-06,
"lr": 2e-05
},
"scheduler": "WarmupLinear",
"steps_per_epoch": null,
"warmup_steps": 1000,
"weight_decay": 0.01
}
完整模型架构
SentenceTransformer(
(0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: XLMRobertaModel
(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})
)
📚 详细文档
关于该模型的更多信息,请参考相关引用及作者信息。
📄 许可证
文档中未提及许可证信息。
📋 模型信息表格
属性 |
详情 |
模型类型 |
sentence - transformers 模型 |
支持语言 |
英语、德语、意大利语 |
任务类型 |
句子相似度、特征提取、自然语言推理、文本分类 |