简介

此模型是 DPR Model 到 sentence-transformers 的一个转换版本：它将句子和段落映射到一个768维的稠密向量空间，可用于聚类或语义搜索等任务。

使用方法（Sentence-Transformers）

安装 sentence-transformers 后，使用此模型变得很简单：

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('sentence-transformers/facebook-dpr-question_encoder-multiset-base')
embeddings = model.encode(sentences)
print(embeddings)

使用方法（HuggingFace Transformers）

如果没有 sentence-transformers ，您可以像这样使用该模型：首先，通过变换器模型传递您的输入，然后必须在上下文化的词嵌入之上应用合适的汇聚操作。

from transformers import AutoTokenizer, AutoModel
import torch


def cls_pooling(model_output, attention_mask):
    return model_output[0][:,0]


# Sentences we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('sentence-transformers/facebook-dpr-question_encoder-multiset-base')
model = AutoModel.from_pretrained('sentence-transformers/facebook-dpr-question_encoder-multiset-base')

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

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, max pooling.
sentence_embeddings = cls_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

评估结果

有关对此模型的自动评估，请参阅 https://seb.sbert.net 。

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 509, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

引用和作者

参考： DPR Model .