bert-base-portuguese-cased-nli-assin-2

Uso (Sentence-Transformers)

Instalar y usar el modelo con Sentence-Transformers es fácil:

pip install -U sentence-transformers

Luego, usar el modelo de la siguiente manera:

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

model = SentenceTransformer('bert-base-portuguese-cased-nli-assin-2')
embeddings = model.encode(sentences)
print(embeddings)

Uso (HuggingFace Transformers)

Sin Sentence-Transformers, se puede usar el modelo de esta manera:

from transformers import AutoTokenizer, AutoModel
import torch

#Promedio ponderado - Considerar 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 todos los embeddings de los 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 cuales queremos embeddings de oraciones
sentences = ["This is an example sentence", "Each sentence is converted"]

# Cargar modelo de HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('bert-base-portuguese-cased-nli-assin-2')
model = AutoModel.from_pretrained('bert-base-portuguese-cased-nli-assin-2')

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

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

# Realizar pooling. En este caso, pooling máximo.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

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