pipeline_tag: 句子相似度 tags:

• 句子转换器
• 因果语言模型 license:
• cc-by-sa-4.0

待办：模型名称

待办：描述内容

模型描述

待办：添加相关内容

(0) 基础Transformer类型：RobertaModel

(1) 池化方式：均值池化

使用方式（Sentence-Transformers）

安装sentence-transformers后，使用该模型会更加便捷：

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"]

model = SentenceTransformer(待办)
embeddings = model.encode(sentences)
print(embeddings)

使用方式（HuggingFace Transformers）

from transformers import AutoTokenizer, AutoModel
import torch

# 如需自定义池化函数，可执行此步骤（可选）
# 最大池化 - 对每个维度取时间序列上的最大值
def max_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #模型输出的第一个元素包含所有token嵌入
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    token_embeddings[input_mask_expanded == 0] = -1e9  # 将填充token设为极大负值
    max_over_time = torch.max(token_embeddings, 1)[0]
    return max_over_time

# 需要获取句子嵌入的文本
sentences = ['这是一个示例句子']

# 从HuggingFace Hub加载模型
tokenizer = AutoTokenizer.from_pretrained(待办)
model = AutoModel.from_pretrained(待办)

# 对句子进行分词编码
encoded_input = tokenizer(sentences, padding=True, truncation=True, max_length=128, return_tensors='pt'))

# 计算token嵌入
with torch.no_grad():
    model_output = model(**encoded_input)

# 执行池化操作（本例采用最大池化）
sentence_embeddings = max_pooling(model_output, encoded_input['attention_mask'])

print("句子嵌入向量：")
print(sentence_embeddings)