Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:12000
loss:CosineSimilarityLoss
text-embeddings-inference
Instructions to use codersan/e5Fa_small_v1_phase1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use codersan/e5Fa_small_v1_phase1 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("codersan/e5Fa_small_v1_phase1") sentences = [ "تفاوتهای کلیدی بین موتورهای دیزلی و بنزینی چیست؟", "یک VPN یا شبکه خصوصی مجازی، ارتباط اینترنتی شما را رمزنگاری کرده و آن را از طریق یک سرور در مکانی که خودتان انتخاب کردهاید هدایت میکند و حفظ حریم خصوصی و امنیت را فراهم میآورد.", "طراحان صدا روی عناصر صوتی یک فیلم کار میکنند، از جمله افکتهای صوتی و دیالوگ.", "سوخت دیزل چگالتر است و انرژی بیشتری در هر گالن نسبت به بنزین دارد." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
File size: 205 Bytes
e3635ed | 1 2 3 4 5 6 7 8 9 10 | {
"__version__": {
"sentence_transformers": "3.3.1",
"transformers": "4.47.0",
"pytorch": "2.5.1+cu121"
},
"prompts": {},
"default_prompt_name": null,
"similarity_fn_name": "cosine"
} |