Qdrant/clip-ViT-B-32-text

Qdrant

Similitud de oraciones

Port ONNX de sentence-transformers/clip-ViT-B-32 para clasificación de texto y búsquedas de similitud.

Como usar

Aquí hay un ejemplo de cómo realizar inferencia usando el modelo con FastEmbed.
from fastembed import TextEmbedding

documents = [
"You should stay, study and sprint.",
"History can only prepare us to be surprised yet again.",
]

model = TextEmbedding(model_name="Qdrant/clip-ViT-B-32-text")
embeddings = list(model.embed(documents))

# [
#     array([1.57889184e-02, -2.21896712e-02, -1.40235685e-02, -2.36918423e-02, ...],
#           dtype=float32)
# ]

Funcionalidades

Similitud de oraciones
Compatible con Inference Endpoints
Implementación de Transformers
Compatible con ONNX
Modelo de texto CLIP

Casos de uso

Búsquedas de similitud de oraciones
Clasificación de texto