Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:10190
loss:TripletLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use Data-Lab/multilingual-e5-large-instruct-embedder-tg with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use Data-Lab/multilingual-e5-large-instruct-embedder-tg with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("Data-Lab/multilingual-e5-large-instruct-embedder-tg") sentences = [ "безглютеновый хлеб", "Instruct: Найти похожие продукты на основе деталей\nQuery: Баклажаны по-сычуаньски баклажаны, азиатская кухня, закуска, терияки, сладкий соус, пряный вкус, овощное блюдо, вегетарианское, пикантное, жареное, замаринованное, кунжут, чеснок, имбирь, рыба, рисовый уксус", "Instruct: Найти похожие продукты на основе деталей\nQuery: Сорбет \"Манго- Маракуйя\" без доб. сахара сладость, десерт, веганский, без сахара, низкокалорийный, охлаждающий, тропические фрукты, натуральный, диетический, сахарозаменитель, фруктовый, без добавок, здоровье", "Instruct: Найти похожие продукты на основе деталей\nQuery: Изделие х/б без глютена с семенами безглютеновый, хлеб, рисовая мука, семена, клетчатка, полезный, сытный, ароматный, выпечка, гастрономия" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
File size: 725 Bytes
94d5750 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 | {
"_name_or_path": "intfloat/multilingual-e5-large-instruct",
"architectures": [
"XLMRobertaModel"
],
"attention_probs_dropout_prob": 0.1,
"bos_token_id": 0,
"classifier_dropout": null,
"eos_token_id": 2,
"hidden_act": "gelu",
"hidden_dropout_prob": 0.1,
"hidden_size": 1024,
"initializer_range": 0.02,
"intermediate_size": 4096,
"layer_norm_eps": 1e-05,
"max_position_embeddings": 514,
"model_type": "xlm-roberta",
"num_attention_heads": 16,
"num_hidden_layers": 24,
"output_past": true,
"pad_token_id": 1,
"position_embedding_type": "absolute",
"torch_dtype": "float32",
"transformers_version": "4.44.0",
"type_vocab_size": 1,
"use_cache": true,
"vocab_size": 250002
}
|