在 Hugging Face 上使用 Sentence Transformers

sentence-transformers 是一个提供便捷方法来计算句子、段落和图像嵌入（稠密向量表示）的库。文本被嵌入到向量空间中，使得相似的文本彼此靠近，从而支持语义搜索、聚类和检索等应用。

在 Hub 中探索 sentence-transformers

在模型页面左侧进行筛选，可以找到超过 500 个sentence-transformer模型。这些模型中的大多数支持不同的任务，例如通过feature-extraction生成嵌入，以及使用sentence-similarity来判断给定句子与其他句子的相似度。您还可以在官方文档中查看官方预训练模型的概览。

Hub 上的所有模型都附带以下功能：

1. 自动生成的模型卡片，包含描述、示例代码片段、架构概览等内容。
2. 有助于提高可发现性并包含许可证等信息的元数据标签。
3. 一个交互式小部件，可直接在浏览器中用于体验该模型。
4. 一个用于发起推理请求的 Inference Providers 小部件。

使用现有模型

Hub 上的预训练模型可以通过一行代码加载

from sentence_transformers import SentenceTransformer
model = SentenceTransformer('model_name')

下面是一个示例，它先对句子进行编码，然后计算它们之间的距离，以实现语义搜索。

from sentence_transformers import SentenceTransformer, util
model = SentenceTransformer('multi-qa-MiniLM-L6-cos-v1')

query_embedding = model.encode('How big is London')
passage_embedding = model.encode(['London has 9,787,426 inhabitants at the 2011 census',
                                  'London is known for its financial district'])

print("Similarity:", util.dot_score(query_embedding, passage_embedding))

如果你想了解如何加载特定模型，可以单击 Use in sentence-transformers，即可获得一个可直接用于加载该模型的代码片段！

共享您的模型

您可以使用训练好的模型的 save_to_hub 方法来共享您的 Sentence Transformers。

from sentence_transformers import SentenceTransformer

# Load or train a model
model.save_to_hub("my_new_model")

此命令会创建一个包含自动生成的模型卡片、推理小部件、示例代码片段等内容的仓库。此处提供了一个示例。

其他资源

• Sentence Transformers 库。
• Sentence Transformers 文档。
• 与 Hub 的集成 公告。