/ Модель

Характеристики

Контекст
512 токенов
Параметры
4,4 млн
Архитектура
bert · dense
Базовая модель
bert_uncased_L-2_H-128_A-2
Библиотека
sentence-transformers
Опубликована
24 дек 2024

bert-tiny-embeddings-english-portuguese

ЭмбеддингиТекст → embedding9 профессий

Компактная дообученная BERT-модель для получения 128-мерных эмбеддингов и сравнения сходства предложений на английском и бразильском португальском языках.

132скачиваний за 30 дней2лайкавеса обновлены26 дек 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Компактная модель cnmoro для получения эмбеддингов предложений и извлечения признаков из текста на английском и бразильском португальском языках. Она создана дообучением google/bert_uncased_L-2_H-128_A-2 и опубликована с использованием AutoTrain; архитектура — BERT, размер модели составляет 4,4 млн параметров, а размер выходного вектора — 128 измерений.

Модель предназначена для вычисления сходства между предложениями и создания текстовых векторов, например для поиска похожих фраз или сравнения смысловой близости. Она принимает текст, поддерживает контекст до 512 токенов и распространяется в формате safetensors для библиотеки Sentence Transformers. В карточке приведена метрика loss 0,057, но подробности методики оценки не сообщаются.

Компактный размер может быть удобен при ограниченных вычислительных ресурсах. Модель настроена для английского и бразильского португальского, поэтому качество на других языках не подтверждено. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • поиск предложений, похожих по смыслу
  • ранжирование кандидатов по сходству с запросом
  • сравнение близости английских фраз
  • сравнение близости фраз на бразильском португальском
  • извлечение векторных признаков из текста

Ограничения

Модель ориентирована на английский и бразильский португальский; качество для других языков не подтверждено. Метрика loss указана без описания методики оценки, а сведения о лицензии в предоставленных данных отсутствуют.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Trained Using AutoTrain

  • Problem type: Sentence Transformers

Validation Metrics

loss: 0.056979671120643616

Info

This is the bert-tiny model finetuned on 15B tokens for embedding/feature extraction, for English and Brazillian Portuguese languages.

The output vector size is 128.

This model only has 4.4M params but the quality of the embeddings punch way above its size after tuning.

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the Hugging Face Hub
model = SentenceTransformer("cnmoro/bert-tiny-embeddings-english-portuguese")
# Run inference
sentences = [
    'first passage',
    'second passage'
]
embeddings = model.encode(sentences)
print(embeddings.shape)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
6e4920b

0 моделей