mmarco-sentence-BERTino

Usar este modelo es fácil cuando tienes sentence-transformers instalado:

pip install -U sentence-transformers

Luego puedes usar el modelo así:

from sentence_transformers import SentenceTransformer
sentences = ["Questo è un esempio di frase", "Questo è un ulteriore esempio"]

model = SentenceTransformer('efederici/mmarco-sentence-BERTino')
embeddings = model.encode(sentences)
print(embeddings)

Usar en HuggingFace Transformers Sin sentence-transformers, puedes usar el modelo así: Primero, pasas tu entrada a través del modelo transformer, luego tienes que aplicar la operación de agrupamiento correcta en las incrustaciones de palabras contextualizadas.

from transformers import AutoTokenizer, AutoModel
import torch

# Promediado - Tener en cuenta la máscara de atención para promediar correctamente
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)

# Frases para las que queremos las incrustaciones de oraciones
sentences = ["Questo è un esempio di frase", "Questo è un ulteriore esempio"]

# Carga el modelo desde HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('efederici/mmarco-sentence-BERTino')
model = AutoModel.from_pretrained('efederici/mmarco-sentence-BERTino')

# Tokeniza las frases
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Calcula las incrustaciones de tokens
with torch.no_grad():
    model_output = model(**encoded_input)

# Realiza el agrupamiento. En este caso, el promedio de las incrustaciones.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])
print("Incrustaciones de frases:")
print(sentence_embeddings)