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
- Xet hash:
- c0f3558e07a5e20aa2e85ca7178deb43b31d4c1038cad65c81efbe81da77b638
- Size of remote file:
- 2.24 GB
- SHA256:
- cb3d23fc4e7b563125a649c0bca66268b32c43b13c1400215ecbffb95bc86725
·
Xet efficiently stores Large Files inside Git, intelligently splitting files into unique chunks and accelerating uploads and downloads. More info.