说明文档

Quant化 ONNX 版本，用于文本分类和相似度搜索。

使用方法

以下是在推理中使用该模型的示例，结合 FastEmbed。

from fastembed import TextEmbedding

documents = [
    \"You should stay, study and sprint.\",
    \"History can only prepare us to be surprised yet again.\",
]

model = TextEmbedding(model_name=\"sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2\")
embeddings = list(model.embed(documents))

# [
#     array([1.96449570e-02, 1.60677675e-02, 4.10149433e-02...]),
#     array([-1.56669170e-02, -1.66313536e-02, -6.84525725e-03...])
# ]

Qdrant/paraphrase-multilingual-MiniLM-L12-v2-onnx-Q

作者 Qdrant

sentence-similarity transformers

↓ 61.4K ♥ 4

创建时间: 2024-01-16 08:30:16+00:00

更新时间: 2024-07-15 12:53:49+00:00

在 Hugging Face 上查看

文件 (9)

.gitattributes

README.md

config.json

model_optimized.onnx ONNX

ort_config.json

special_tokens_map.json

tokenizer.json

tokenizer_config.json

unigram.json