XYZ Embedding Zh

🚀 XYZ-embedding-zh

XYZ-embedding-zh 是一个基于 sentence-transformers 的模型，它能够将句子和段落映射到 1792 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

使用该模型前，你需要安装 sentence-transformers：

pip install -U sentence-transformers

然后，你可以按照以下方式使用该模型：

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('fangxq/XYZ-embedding-zh')
embeddings = model.encode(sentences)
print(embeddings)

✨ 主要特性

• 能够将句子和段落映射到 1792 维的密集向量空间。
• 可用于聚类或语义搜索等任务。

📦 安装指南

使用该模型前，你需要安装 sentence-transformers：

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('fangxq/XYZ-embedding-zh')
embeddings = model.encode(sentences)
print(embeddings)

📚 详细文档

评估结果

若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': 1024, '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, 'include_prompt': True})
  (2): Dense({'in_features': 1024, 'out_features': 1792, 'bias': True, 'activation_function': 'torch.nn.modules.linear.Identity'})
)

引用与作者

原文档未提供相关内容。

模型指标详情