Sentence Similarity
sentence-transformers
Safetensors
roberta
feature-extraction
Generated from Trainer
dataset_size:574417
loss:MultipleNegativesRankingLoss
loss:CosineSimilarityLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use KYUNGHYUN9/test_model with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use KYUNGHYUN9/test_model with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("KYUNGHYUN9/test_model") sentences = [ "파타키는 아브라함의 결정을 칭찬했고 리파 회장 리차드 케셀은 케이블이 영구적으로 가동되어야 한다고 말했다.", "이스라엘과 하마스 '일시적인 휴전을 받아들이다'", "리파 회장 리차드 케셀은 \"우리가 보기에 케이블이 사용될 수 있다\"고 말했다.", "하지만 그들은 그들의 유권자들에게 책임이 있다." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Download 1_Pooling/config.json from KYUNGHYUN9/test_model: direct link, hf CLI and curl.
- Browser
- Download file 305 Bytes
-
https://huggingface.co/KYUNGHYUN9/test_model/resolve/main/1_Pooling/config.json
- Command line
-
hf download hf://KYUNGHYUN9/test_model/1_Pooling/config.json
-
curl -L -o config.json https://huggingface.co/KYUNGHYUN9/test_model/resolve/main/1_Pooling/config.json
305 Bytes
| { | |
| "word_embedding_dimension": 768, | |
| "pooling_mode_cls_token": false, | |
| "pooling_mode_mean_tokens": true, | |
| "pooling_mode_max_tokens": false, | |
| "pooling_mode_mean_sqrt_len_tokens": false, | |
| "pooling_mode_weightedmean_tokens": false, | |
| "pooling_mode_lasttoken": false, | |
| "include_prompt": true | |
| } |