Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:10190
loss:DistillationTripletLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use Data-Lab/multilingual-e5-large-instruct-embedder_distill-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_distill-tg with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("Data-Lab/multilingual-e5-large-instruct-embedder_distill-tg") sentences = [ "острая", "Instruct: Найти похожие продукты на основе деталей\nQuery: Смесь специй для мяса Золото Индии, 30 гр None, специи, масала, мясные блюда, кулинария, пряности, None", "Instruct: Найти похожие продукты на основе деталей\nQuery: Кыстыбый с картофелем и грибами, 2 шт сырое тесто, картофель, грибы, шампиньоны, татарская кухня, выпечка, лук, чеснок, перец, сливочное масло, обжаривание, чай, закуска", "Instruct: Найти похожие продукты на основе деталей\nQuery: Горчица \"Дижонская\" пикантная приправа, французская кухня, сладковато-острый вкус, салатные заправки, специи и пряности, натуральный продукт, традиционный рецепт, закуски" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
File size: 725 Bytes
e6176b2 | 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
}
|