distiluse-base-multilingual-cased-v2 的 ONNX 转换版本

对 sentence-transformers/distiluse-base-multilingual-cased-v2 的转换

这是一个 sentence-transformers 的 ONNX 模型：它将句子和段落映射到一个 512 维的稠密向量空间，可用于聚类或语义搜索等任务。此自定义模型输出 last_hidden_state，与原始 sentence-transformer 实现类似。

使用方法（HuggingFace Optimum）

安装 optimum 后，使用此模型变得非常简单：

python -m pip install optimum

您可能还需要安装以下依赖：

python -m pip install onnxruntime
python -m pip install onnx

然后您可以像这样使用该模型：

from optimum.onnxruntime.modeling_ort import ORTModelForCustomTasks

model = ORTModelForCustomTasks.from_pretrained("lorenpe2/distiluse-base-multilingual-cased-v2")
tokenizer = AutoTokenizer.from_pretrained("lorenpe2/distiluse-base-multilingual-cased-v2")
inputs = tokenizer("I love burritos!", return_tensors="pt")
pred = model(**inputs)

您还可以利用 transformers 中的 pipeline API：

from transformers import pipeline

onnx_extractor = pipeline("feature-extraction", model=model, tokenizer=tokenizer)
text = "I love burritos!"
pred = onnx_extractor(text)

评估结果

有关此模型的自动评估，请参阅 Sentence Embeddings Benchmark：https://seb.sbert.net

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: DistilBertModel 
  (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): Dense({'in_features': 768, 'out_features': 512, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'})
)

引用与作者

此模型由 sentence-transformers 训练。

如果您发现此模型有帮助，欢迎引用我们的论文 Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks：

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "http://arxiv.org/abs/1908.10084",
}