pipeline_tag: 特征提取 tags:

• 句子转换器
• 特征提取
• 句子相似度
• 转换器

使用roberta-zwnj-wnli-mean-tokens生成句子嵌入

使用方法（Sentence-Transformers）

安装sentence-transformers后，使用该模型变得非常简单：

pip install -U sentence-transformers

然后可以按如下方式使用模型：

from sentence_transformers import SentenceTransformer


sentences = [
    '巴比伦城的第一位统治者是谁？',
    '冬季发生了什么事件？',
    '居鲁士的遗产'
]
model = SentenceTransformer('m3hrdadfi/roberta-zwnj-wnli-mean-tokens')
embeddings = model.encode(sentences)
print(embeddings)

使用方法（HuggingFace Transformers）

如果没有安装sentence-transformers，可以这样使用模型：首先将输入传递给转换器模型，然后需要在上下文词嵌入之上应用正确的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch


# 最大池化 - 对每个维度随时间取最大值。
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词嵌入
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    token_embeddings[input_mask_expanded == 0] = -1e9  # 将填充标记设为极大负值
    return torch.mean(token_embeddings, 1)[0]

# 需要生成句子嵌入的句子
sentences = [
    '巴比伦城的第一位统治者是谁？',
    '冬季发生了什么事件？',
    '居鲁士的遗产'
]

# 从HuggingFace Hub加载模型
tokenizer = AutoTokenizer.from_pretrained('m3hrdadfi/roberta-zwnj-wnli-mean-tokens')
model = AutoModel.from_pretrained('m3hrdadfi/roberta-zwnj-wnli-mean-tokens')

# 对句子进行标记化
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
# 计算词嵌入
with torch.no_grad():
    model_output = model(**encoded_input)
# 执行池化。这里采用最大池化。
sentence_embeddings = max_pooling(model_output, encoded_input['attention_mask'])

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

问题？

请在此处提交Github issue。