gte-micro-v4

Uso (Sentence-Transformers)

Para usar este modelo con Sentence-Transformers, se requiere tener instalado el paquete:

pip install -U sentence-transformers

Después, se puede utilizar el modelo de la siguiente manera:

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('Mihaiii/gte-micro-v4')
embeddings = model.encode(sentences)
print(embeddings)

Uso (HuggingFace Transformers)

Sin usar Sentence-Transformers, se puede usar el modelo de la siguiente manera: Primero, se pasa la entrada a través del modelo transformer, luego se aplica la operación de agrupación adecuada sobre las incrustaciones de palabras contextualizadas:

from transformers import AutoTokenizer, AutoModel
import torch

#Mean Pooling - Tener en cuenta la máscara de atención para una media correcta
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
sentences = ['This is an example sentence', 'Each sentence is converted']

# Cargar el modelo desde HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('Mihaiii/gte-micro-v4')
model = AutoModel.from_pretrained('Mihaiii/gte-micro-v4')

# Tokenizar oraciones
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

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

# Realizar la agrupación. En este caso, agrupación media.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

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