🚀 bge-micro-v2
这是一个 sentence-transformers 模型,它可以将句子和段落映射到一个 384 维的密集向量空间,可用于聚类或语义搜索等任务。该模型是从 BAAI/bge-small-en-v1.5
经过两步训练过程(bge-micro 是第一步)蒸馏得到的。
🚀 快速开始
安装依赖
如果你已经安装了 sentence-transformers,使用这个模型会很容易:
pip install -U sentence-transformers
使用示例
基础用法
from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]
model = SentenceTransformer('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)
高级用法
如果你没有安装 sentence-transformers,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('{MODEL_NAME}')
model = AutoModel.from_pretrained('{MODEL_NAME}')
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,请参考 Sentence Embeddings Benchmark:https://seb.sbert.net
完整模型架构
SentenceTransformer(
(0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel
(1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)
引用与作者
如需了解更多信息,请参考相关文档。
📄 许可证
本项目采用 MIT 许可证。
模型指标详情
属性 |
详情 |
模型类型 |
这是一个 sentence-transformers 模型,可将句子和段落映射到 384 维的密集向量空间 |
训练数据 |
从 BAAI/bge-small-en-v1.5 经过两步训练过程(bge-micro 是第一步)蒸馏得到 |