rufimelo/Legal-BERTimbau-large-TSDAE-v4-GPL-sts

Usar este modelo se vuelve fácil cuando tienes sentence-transformers instalado:```shell pip install -U sentence-transformers

```python
from sentence_transformers import SentenceTransformer
sentences = ["Isto é um exemplo", "Isto é um outro exemplo"]
model = SentenceTransformer('rufimelo/Legal-BERTimbau-large-TSDAE-v4-GPL-sts')
embeddings = model.encode(sentences)
print(embeddings)

Usando Hugging Face Transformers:

from transformers import AutoTokenizer, AutoModel
import torch
#Mean Pooling - Tener 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 oraciones
sentences = ['This is an example sentence', 'Each sentence is converted']
# Cargar modelo desde Hugging Face Hub
tokenizer = AutoTokenizer.from_pretrained('rufimelo/Legal-BERTimbau-large-TSDAE-v4-GPL-sts')
model = AutoModel.from_pretrained('rufimelo/Legal-BERTimbau-large-TSDAE-v4-GPL-sts')
# Tokenizar oraciones
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
# Calcular 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)