🚀 mmarco-sentence-BERTino
mmarco-sentence-BERTino 是一个 sentence-transformers 模型,它能够将句子和段落映射到 768 维的密集向量空间,可用于聚类或语义搜索等任务。该模型在 mmarco 数据集上进行训练。
Mohan Samant, Midnight Fishing Party, 1978
🚀 快速开始
✨ 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、语义搜索等任务。
- 在 mmarco 数据集上训练。
📦 安装指南
若要使用此模型,需安装 sentence-transformers:
pip install -U sentence-transformers
💻 使用示例
基础用法
使用 sentence-transformers 库调用该模型:
from sentence_transformers import SentenceTransformer
sentences = ["Questo è un esempio di frase", "Questo è un ulteriore esempio"]
model = SentenceTransformer('efederici/mmarco-sentence-BERTino')
embeddings = model.encode(sentences)
print(embeddings)
高级用法
若未安装 sentence-transformers,可以按如下方式使用该模型: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 = ["Questo è un esempio di frase", "Questo è un ulteriore esempio"]
tokenizer = AutoTokenizer.from_pretrained('efederici/mmarco-sentence-BERTino')
model = AutoModel.from_pretrained('efederici/mmarco-sentence-BERTino')
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。