在 Hugging Face 上使用 Sentence Transformers

sentence-transformers 是一個庫，它提供了計算句子、段落和影像嵌入（密集向量表示）的簡單方法。文字被嵌入到向量空間中，使得相似的文字彼此靠近，從而實現語義搜尋、聚類和檢索等應用。

探索 Hub 中的 sentence-transformers

您可以透過在模型頁面左側進行篩選，找到 500 多個 sentence-transformer 模型。這些模型中的大多數都支援不同的任務，例如進行 feature-extraction 以生成嵌入，以及 sentence-similarity 作為確定給定句子與其他句子相似度的方法。您還可以在官方文件中找到官方預訓練模型的概覽。

Hub 上的所有模型都具有以下功能：

1. 自動生成的模型卡片，包含描述、示例程式碼片段、架構概覽等。
2. 元資料標籤，有助於發現幷包含許可等資訊。
3. 可直接在瀏覽器中與模型互動的互動式小部件。
4. 允許進行推理請求的推理 API。

使用現有模型

Hub 上的預訓練模型可以透過一行程式碼載入：

from sentence_transformers import SentenceTransformer
model = SentenceTransformer('model_name')

這是一個對句子進行編碼，然後計算它們之間距離以進行語義搜尋的示例。

from sentence_transformers import SentenceTransformer, util
model = SentenceTransformer('multi-qa-MiniLM-L6-cos-v1')

query_embedding = model.encode('How big is London')
passage_embedding = model.encode(['London has 9,787,426 inhabitants at the 2011 census',
                                  'London is known for its finacial district'])

print("Similarity:", util.dot_score(query_embedding, passage_embedding))

如果您想了解如何載入特定模型，可以點選 Use in sentence-transformers，您將獲得一個可供載入的工作程式碼片段！

分享您的模型

您可以使用訓練好的模型的 save_to_hub 方法來分享您的 Sentence Transformers 模型。

from sentence_transformers import SentenceTransformer

# Load or train a model
model.save_to_hub("my_new_model")

此命令將建立一個包含自動生成的模型卡片、推理小部件、示例程式碼片段等功能的倉庫！此處為一個示例。

其他資源

• Sentence Transformers 庫。
• Sentence Transformers 文件。
• 與 Hub 的整合公告。