Sentence Similarity
sentence-transformers
TensorBoard
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:1021596
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Instructions to use codersan/FaLabse_Mizan4 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use codersan/FaLabse_Mizan4 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("codersan/FaLabse_Mizan4") sentences = [ "Most women can't understand why this happens.", "بیشتر زنان دلیل این کار را درک نمیکنند ", " سخت از خود در غضب بود که آن چه را به آسانی و صراحت میتوانست نزد خود تصمیم بگیرد، قادر به بیان آن در حضور شاهزاده خانم تورسکی نیست. زیرا این زن در نظر او تجسم همان نیروی بیدادگری بود که بر زندگی ظاهری او حکومت میکرد و مانع ابراز عشق و عفو و نمایاندن احساساتش بود.", "آقای تالبویز: چه روزهای خوشی، عجب روزهای خوشی!" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
File size: 129 Bytes
4512833 | 1 2 3 4 | version https://git-lfs.github.com/spec/v1
oid sha256:cb176dce1e757b79625a9340abfc692310ffd3cc55e060457993c8b51544f624
size 5624
|