/ Модель

Характеристики

Контекст
514 токенов
Параметры
454 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Опубликована
19 июл 2022

sbert-all-roberta-large-v1-with-pooler

ЭмбеддингиТекст → embedding9 профессий

Англоязычная модель Sentence Transformers на базе RoBERTa для получения эмбеддингов и сравнения предложений по смыслу.

13скачиваний за 30 дней1лайквеса обновлены13 сен 2022

Бенчмарки

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

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

vamsibanda/sbert-all-roberta-large-v1-with-pooler — модель семейства Sentence Transformers на архитектуре RoBERTa, предназначенная для получения векторных представлений предложений и оценки их сходства. В репозитории доступен формат ONNX; модель содержит 454,1 млн параметров и поддерживает контекст до 514 токенов.

Модель подходит для сравнения предложений по смыслу и построения эмбеддингов для поиска и сопоставления текстов. В README приведён пример использования через Hugging Face Optimum. Модель ориентирована на английский язык и распространяется по лицензии Apache-2.0.

Сценарии применения

  • сравнение двух английских предложений по смыслу
  • поиск семантически похожих предложений
  • получение эмбеддингов предложений для поиска
  • сопоставление текстовых запросов и фрагментов

Ограничения

Контекст ограничен 514 токенами; модель предназначена для английского языка.

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

ONNX convert all-roberta-large-v1

Conversion of sentence-transformers/all-roberta-large-v1

Usage (HuggingFace Optimum)

Using this model becomes easy when you have optimum installed:

python -m pip install optimum

Then you can use the model like this:

from optimum.onnxruntime.modeling_ort import ORTModelForCustomTasks

model = ORTModelForCustomTasks.from_pretrained("vamsibanda/sbert-all-roberta-large-v1-with-pooler")
tokenizer = AutoTokenizer.from_pretrained("vamsibanda/sbert-all-roberta-large-v1-with-pooler")
inputs = tokenizer("I love burritos!", return_tensors="pt")
pred = model(**inputs)
embedding = pred['pooler_output']

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
RobertaModel
Ревизия весов
f788f36

0 моделей