Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:5460
loss:TripletLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use NullCoreDeveloper/stylometric-rubert-v5 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use NullCoreDeveloper/stylometric-rubert-v5 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("NullCoreDeveloper/stylometric-rubert-v5") sentences = [ "Так хяоми работает и у них есть варианты поинтереснее ах6с без 160 ширины канала но ставится альтернативная прошивка или 5400 второй вариант . Настроил и забыл", "да капец. вроде и хочешь простой роутер для шлема выбрать, а столько всего всплывает. то не так, другое не так. 160 мгц нет (хотя и нахрен не надо), то перегревы... блин!", "А вот мне интересно для всех шлемов общий стор и покупки? Те выйдет пико5, а VD у меня получается уже куплен?\nЧто бы не как с плейстецшен…)))\nИ не увидит . Вы скачали SA для пико4, а у пико3 ствоц другой. Этот удалите и скачайте правильный тыкнув на сайте на свой шлем", "У меня на ультра и на rx 5700 xt (аналог 2080) идёт. Оптимизирована просто отлично\nДавай сравним, что-нибудь. Думаю, %5-10. Но просили просто скинуть площадку" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
| { | |
| "add_cross_attention": false, | |
| "architectures": [ | |
| "BertModel" | |
| ], | |
| "attention_probs_dropout_prob": 0.1, | |
| "bos_token_id": null, | |
| "classifier_dropout": null, | |
| "directionality": "bidi", | |
| "dtype": "float32", | |
| "eos_token_id": null, | |
| "hidden_act": "gelu", | |
| "hidden_dropout_prob": 0.1, | |
| "hidden_size": 768, | |
| "initializer_range": 0.02, | |
| "intermediate_size": 3072, | |
| "is_decoder": false, | |
| "layer_norm_eps": 1e-12, | |
| "max_position_embeddings": 512, | |
| "model_type": "bert", | |
| "num_attention_heads": 12, | |
| "num_hidden_layers": 12, | |
| "output_past": true, | |
| "pad_token_id": 0, | |
| "pooler_fc_size": 768, | |
| "pooler_num_attention_heads": 12, | |
| "pooler_num_fc_layers": 3, | |
| "pooler_size_per_head": 128, | |
| "pooler_type": "first_token_transform", | |
| "tie_word_embeddings": true, | |
| "transformers_version": "5.13.1", | |
| "type_vocab_size": 2, | |
| "use_cache": false, | |
| "vocab_size": 119547 | |
| } | |