TopicAwareSTallmpnetbasev2Wiki

Uso (Sentence-Transformers)

Instalar el paquete sentence-transformers:

pip install -U sentence-transformers

Luego, puedes usar el modelo de la siguiente manera:

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

model = SentenceTransformer('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)

Uso (HuggingFace Transformers)

Sin sentence-transformers, puedes usar el modelo de esta manera:

Primero, pasa tu entrada a través del modelo transformer, luego tienes que aplicar la operación de pooling correcta sobre los embeddings de las palabras contextualizadas.

from transformers import AutoTokenizer, AutoModel
import torch

# Mean Pooling - Toma en cuenta la máscara de atención para el promedio correcto
def mean_pooling(model_output, attention_mask):
  token_embeddings = model_output[0]  # El primer elemento de model_output contiene todos los token embeddings
  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 embeddings de oraciones
sentences = ['This is an example sentence', 'Each sentence is converted']

# Carga el modelo desde HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('{MODEL_NAME}')
model = AutoModel.from_pretrained('{MODEL_NAME}')

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

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

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

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