Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:51741
loss:CoSENTLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use RomainDarous/large_directOneEpoch_meanPooling_stsModel with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use RomainDarous/large_directOneEpoch_meanPooling_stsModel with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("RomainDarous/large_directOneEpoch_meanPooling_stsModel") sentences = [ "Starsza para azjatycka pozuje z noworodkiem przy stole obiadowym.", "Koszykarz ma zamiar zdobyć punkty dla swojej drużyny.", "Grupa starszych osób pozuje wokół stołu w jadalni.", "Możliwe, że układ słoneczny taki jak nasz może istnieć poza galaktyką." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
File size: 113 Bytes
61a3220 | 1 2 3 4 5 6 7 | {
"sentence_dim": 768,
"token_dim": 768,
"num_heads": 8,
"initialize": 1,
"pooling_type": 2
} |