deepset/all-mpnet-base-v2-table

这是一个 sentence-transformers 模型：它将句子和段落映射到一个768维的稠密向量空间中，可用于聚类或语义搜索等任务。

使用方法（Sentence-Transformers）

如果您已经安装了 sentence-transformers ，那么使用这个模型将变得很容易：

pip install -U sentence-transformers

然后，您可以像这样使用该模型：

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

model = SentenceTransformer('deepset/all-mpnet-base-v2-table')
embeddings = model.encode(sentences)
print(embeddings)

评估结果

对于对该模型的自动化评估，请参阅句子嵌入基准（Sentence Embeddings Benchmark）： https://seb.sbert.net

训练

模型使用以下参数进行训练：

DataLoader：

torch.utils.data.dataloader.DataLoader长度为5010，参数如下：

{'batch_size': 24, 'sampler': 'torch.utils.data.sampler.SequentialSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

损失函数：

sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss，参数如下：

{'scale': 20.0, 'similarity_fct': 'cos_sim'}

fit() 方法的参数：

{
    "epochs": 1,
    "evaluation_steps": 0,
    "evaluator": "NoneType",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'transformers.optimization.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 10000,
    "weight_decay": 0.01
}

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 384, 'do_lower_case': False}) with Transformer model: MPNetModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
  (2): Normalize()
)

引用和作者