BlackKakapo/stsb-xlm-r-multilingual-ro

Uso (Sentence-Transformers)

Usar este modelo se vuelve fácil cuando tienes instalado sentence-transformers:

pip install -U sentence-transformers

Luego puedes usar el modelo así:

from sentence_transformers import SentenceTransformer
sentences = ["Esta es una oración de ejemplo", "Cada oración es convertida"]

model = SentenceTransformer('BlackKakapo/stsb-xlm-r-multilingual-ro')
embeddings = model.encode(sentences)
print(embeddings)

Uso (HuggingFace Transformers)

Sin sentence-transformers, puedes usar el modelo así: Primero, pasas tu entrada a través del modelo transformer, luego debes aplicar la operación de agrupamiento adecuada sobre las incrustaciones de palabras contextualizadas.

from transformers import AutoTokenizer, AutoModel
import torch

#Agrupamiento medio - Tener en cuenta la máscara de atención para un promedio correcto

def mean_pooling(model_output, attention_mask):
 token_embeddings = model_output[0] #El primer elemento de model_output contiene todas las incrustaciones de tokens
 input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
 return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)

# Oraciones para las que queremos incrustaciones de oraciones
oraciones = ['Esta es una oración de ejemplo', 'Cada oración es convertida']

# Cargar el modelo desde HuggingFace Hub
 tokenizador = AutoTokenizer.from_pretrained('BlackKakapo/stsb-xlm-r-multilingual-ro')
modelo = AutoModel.from_pretrained('BlackKakapo/stsb-xlm-r-multilingual-ro')