sentence-transformers/paraphrase-albert-small-v2

Uso (Sentence-Transformers)

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

pip install -U sentence-transformers

Entonces puedes usar el modelo de esta manera:

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

modelo = SentenceTransformer('sentence-transformers/paraphrase-albert-small-v2')
embeddings = modelo.encode(sentences)
print(embeddings)

Uso (HuggingFace Transformers)

Sin sentence-transformers, puedes usar el modelo de esta forma: Primero, pasas tu entrada a través del modelo transformer, luego tienes que aplicar la operación de pooling correcta sobre las embeddings de palabras contextualizadas.

from transformers import AutoTokenizer, AutoModel
import torch

# Mean Pooling - Considera la atención máscara para calcular correctamente el promedio
 def mean_pooling(model_output, attention_mask):
token_embeddings = model_output[0] # El primer elemento de model_output contiene todas las embeddings 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 cuales queremos embeddings de oraciones
sentences = ['Esta es una oración de ejemplo', 'Cada oración es convertida']

# Carga el modelo desde el Hub de HuggingFace
 tokenizador = AutoTokenizer.from_pretrained('sentence-transformers/paraphrase-albert-small-v2')
 modelo = AutoModel.from_pretrained('sentence-transformers/paraphrase-albert-small-v2')

# Tokeniza las oraciones
 encoded_input = tokenizador(sentences, padding=True, truncation=True, return_tensors='pt')

# Calcula las embeddings de los tokens
 with torch.no_grad():
model_output = modelo(**encoded_input)

# Realiza el pooling. En este caso, max pooling.
 sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

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