all-MiniLM-L6-v2

Xenova feature-extraction transformers.js

Xenova/all-MiniLM-L6-v2

3,592,449

下载量

116

收藏数

6

浏览量

apache-2.0

许可

简介

https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2 附带 ONNX 权重，以兼容 Transformers.js。

模型卡片

许可协议 apache-2.0

框架 transformers.js

模型配置

模型类型 bert

架构 BertModel

模型详情

已翻译

https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2 附带 ONNX 权重，以兼容 Transformers.js。

使用方法（Transformers.js）

如果尚未安装，你可以通过以下方式从 NPM 安装 Transformers.js JavaScript 库：

npm i @huggingface/transformers

然后你可以像这样使用该模型计算 embedding：

import { pipeline } from '@huggingface/transformers';

// Create a feature-extraction pipeline
const extractor = await pipeline('feature-extraction', 'Xenova/all-MiniLM-L6-v2');

// Compute sentence embeddings
const sentences = ['This is an example sentence', 'Each sentence is converted'];
const output = await extractor(sentences, { pooling: 'mean', normalize: true });
console.log(output);
// Tensor {
//   dims: [ 2, 384 ],
//   type: 'float32',
//   data: Float32Array(768) [ 0.04592696577310562, 0.07328180968761444, ... ],
//   size: 768
// }

你可以使用 .tolist() 将这个 Tensor 转换为嵌套的 JavaScript 数组：

console.log(output.tolist());
// [
//   [ 0.04592696577310562, 0.07328180968761444, 0.05400655046105385, ... ],
//   [ 0.08188057690858841, 0.10760223120450974, -0.013241755776107311, ... ]
// ]

注意：为 ONNX 权重设立独立仓库是一个临时方案，旨在等待 WebML 获得更广泛的应用。如果你希望让你的模型适配 Web 环境，我们建议使用 🤗 Optimum 转换为 ONNX，并按此仓库的结构组织你的仓库（将 ONNX 权重放在名为 onnx 的子文件夹中）。

all-MiniLM-L6-v2

简介

模型卡片

模型配置

模型详情

使用方法（Transformers.js）

标签

操作

详细信息