license: agpl-3.0 pipeline_tag: sentence-similarity tags:

• sentence-transformers
• feature-extraction
• sentence-similarity

sentence-t5-base-nlpl-code-x-glue

这是一个基于sentence-transformers的模型：它能将句子和段落映射到768维的密集向量空间，可用于聚类或语义搜索等任务。

该模型在code_x_glue_tc_text_to_code数据集上进行了训练。

使用方法（Sentence-Transformers）

安装sentence-transformers后，可以轻松使用此模型：

pip install -U sentence-transformers

然后可以按如下方式使用模型：

from sentence_transformers import SentenceTransformer
sentences = ["这是一个示例句子", "每个句子都会被转换"]

model = SentenceTransformer('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)

评估结果

关于此模型的自动化评估，请参阅句子嵌入基准：https://seb.sbert.net

训练过程

模型训练参数如下：

数据加载器：

长度为6250的torch.utils.data.dataloader.DataLoader，参数为：

{'batch_size': 16, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

损失函数：

sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss，参数为：

{'scale': 20.0, 'similarity_fct': 'cos_sim'}

fit()方法的参数：

{
    "epochs": 4,
    "evaluation_steps": 0,
    "evaluator": "NoneType",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 100,
    "weight_decay": 0.01
}

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: T5EncoderModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
  (2): Dense({'in_features': 768, 'out_features': 768, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (3): Normalize()
)

引用与作者