Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
dense
Generated from Trainer
dataset_size:92081
loss:MatryoshkaLoss
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Instructions to use mohanprakash462/tamil-embed-base with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use mohanprakash462/tamil-embed-base with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("mohanprakash462/tamil-embed-base") sentences = [ "அவர் வீட்டுக்கு திரும்பினார்.அவர் தனது குரங்குக்கு உணவு கொடுத்து சென்றார்.அவரின் குரங்கு எங்கும் காணப்படவில்லை.அவரின் குரங்கு எல்லையில் தேடி வந்தார்.அவருக்கு அடுத்த நாள் தனது குரங்கு கண்டுபிடிக்க முடிந்தது.", "Here Comes Santa Claus ஒரு இடத்தில் ஒரு முதல் 10 ஹெட்டாக இருந்தது", "சாம் ஒரு Pet Cat", "இது ஒரு ergonomic office chair." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Download modules.json from mohanprakash462/tamil-embed-base: direct link, hf CLI and curl.
- Browser
- Download file 349 Bytes
-
https://huggingface.co/mohanprakash462/tamil-embed-base/resolve/main/modules.json
- Command line
-
hf download hf://mohanprakash462/tamil-embed-base/modules.json
-
curl -L -o modules.json https://huggingface.co/mohanprakash462/tamil-embed-base/resolve/main/modules.json
349 Bytes
| [ | |
| { | |
| "idx": 0, | |
| "name": "0", | |
| "path": "", | |
| "type": "sentence_transformers.models.Transformer" | |
| }, | |
| { | |
| "idx": 1, | |
| "name": "1", | |
| "path": "1_Pooling", | |
| "type": "sentence_transformers.models.Pooling" | |
| }, | |
| { | |
| "idx": 2, | |
| "name": "2", | |
| "path": "2_Normalize", | |
| "type": "sentence_transformers.models.Normalize" | |
| } | |
| ] |