| import torch, numpy as np, json | |
| from sentence_transformers import SentenceTransformer | |
| m = SentenceTransformer("google/embeddinggemma-2", device="cpu") | |
| print(m) | |
| texts = ["task: search result | query: quando finisce la posizione dei QA?", | |
| "title: none | text: Marco: allora il contratto del tester scade il primo gennaio 2027, poi vediamo.", | |
| "title: none | text: Giulia porta il vino alla cena di domenica, Maria Grazia il dolce.", | |
| "task: search result | query: chi porta il dolce?"] | |
| e = m.encode(texts, normalize_embeddings=True) | |
| np.save("ref.npy", e) | |
| print(e.shape, np.round(e @ e.T, 3)) | |