McGill-NLP/bge-small-dmr

Uso (Sentence-Transformers)

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

pip install -U sentence-transformers

Entonces puedes usar el modelo así:

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

model = SentenceTransformer('McGill-NLP/bge-small-dmr')
embeddings = model.encode(sentences)
print(embeddings)

Uso (HuggingFace Transformers)

Sin sentence-transformers, puedes usar el modelo así: Primero, pasa tu entrada a través del modelo transformador, luego debes aplicar la operación de agrupamiento correcta en la parte superior de las incrustaciones de palabras contextualizadas.

from transformers import AutoTokenizer, AutoModel
import torch

#Agrupamiento promedio - Toma 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 sentencias
sentences = ['Esta es una oración de ejemplo', 'Cada oración es convertida']

# Carga el modelo desde HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('McGill-NLP/bge-small-dmr')
model = AutoModel.from_pretrained('McGill-NLP/bge-small-dmr')

# Tokeniza las oraciones
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, agrupamiento promedio.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Incrustaciones de sentencias:")
print(sentence_embeddings)