Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:10190
loss:DistillationTripletLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use Data-Lab/multilingual-e5-large-instruct-embedder_distill-tg with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use Data-Lab/multilingual-e5-large-instruct-embedder_distill-tg with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("Data-Lab/multilingual-e5-large-instruct-embedder_distill-tg") sentences = [ "острая", "Instruct: Найти похожие продукты на основе деталей\nQuery: Смесь специй для мяса Золото Индии, 30 гр None, специи, масала, мясные блюда, кулинария, пряности, None", "Instruct: Найти похожие продукты на основе деталей\nQuery: Кыстыбый с картофелем и грибами, 2 шт сырое тесто, картофель, грибы, шампиньоны, татарская кухня, выпечка, лук, чеснок, перец, сливочное масло, обжаривание, чай, закуска", "Instruct: Найти похожие продукты на основе деталей\nQuery: Горчица \"Дижонская\" пикантная приправа, французская кухня, сладковато-острый вкус, салатные заправки, специи и пряности, натуральный продукт, традиционный рецепт, закуски" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
| [ | |
| { | |
| "idx": 0, | |
| "name": "0", | |
| "path": "", | |
| "type": "sentence_transformers.models.Transformer" | |
| }, | |
| { | |
| "idx": 1, | |
| "name": "1", | |
| "path": "1_Pooling", | |
| "type": "sentence_transformers.models.Pooling" | |
| }, | |
| { | |
| "idx": 2, | |
| "name": "2", | |
| "path": "2_Normalize", | |
| "type": "sentence_transformers.models.Normalize" | |
| } | |
| ] |