HuggingFace镜像/paraphrase-multilingual-MiniLM-L12-v2
模型介绍文件和版本分析

sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

这是一个[sentence-transformers]模型（https://www.SBERT.net）：它将句子和段落映射到一个384维的密集向量空间，并可用于聚类或语义搜索等任务。

使用方法（Sentence-Transformers）

当你安装了[sentence-transformers]后，使用这个模型变得非常简单：

pip install -U sentence-transformers

然后你可以这样使用模型：

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

model = SentenceTransformer('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')
embeddings = model.encode(sentences)
print(embeddings)

使用方法（HuggingFace Transformers）

在没有使用 sentence-transformers 的情况下，您可以这样使用模型：首先，将输入传递给 transformer 模型，然后在上下文化的词嵌入之上应用适当的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch


# Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    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 we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')
model = AutoModel.from_pretrained('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, max pooling.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

评估结果

要自动化评估此模型的表现，请参考《句子嵌入基准测试》：https://seb.sbert.net

完整模型架构说明

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, '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

本模型由sentence-transformers训练而成。

如果您发现此模型对您的研究或工作有所帮助，欢迎引用我们的论文《Sentence-BERT: 使用Siamese BERT网络的句子嵌入》Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks：

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "http://arxiv.org/abs/1908.10084",
}

使用 git 进行版本控制

简介

git 是一个分布式版本控制系统，广泛用于软件开发中。它允许开发者跟踪代码的变化，协作开发，并在必要时回滚到之前的版本。

基本概念

  • 仓库（Repository）：存储代码和版本历史的地方。
  • 提交（Commit）：代码的快照，包含作者、时间戳和变更信息。
  • 分支（Branch）：独立的开发线，允许并行开发。
  • 合并（Merge）：将一个分支的更改合并到另一个分支。
  • 远程（Remote）：存储在网络上的仓库，通常用于团队协作。

常用命令

初始化仓库

git init

克隆远程仓库

git clone <repository_url>

查看状态

git status

添加文件到暂存区

git add <file_name>

提交更改

git commit -m "Commit message"

查看提交历史

git log

创建分支

git branch <branch_name>

切换分支

git checkout <branch_name>

合并分支

git merge <branch_name>

推送更改到远程仓库

git push <remote_name> <branch_name>

拉取远程仓库的更改

git pull <remote_name> <branch_name>

最佳实践

  • 频繁提交：每次完成一个小任务后提交，保持提交历史清晰。
  • 写好提交信息：提交信息应简洁明了，描述变更内容。
  • 使用分支：为新功能或修复创建独立分支，避免直接在主分支上开发。
  • 定期拉取：在开始工作前，先拉取远程仓库的最新更改，避免冲突。

结论

git 是一个强大的工具，掌握它将极大地提升你的开发效率和团队协作能力。通过遵循最佳实践，你可以更好地管理代码版本，确保项目的稳定性和可维护性。