Sentence Similarity
sentence-transformers
Safetensors
Transformers
Russian
bert
feature-extraction
rubert
bi-encoder
retriever
msmarco
Eval Results (legacy)
text-embeddings-inference
Instructions to use DiTy/bi-encoder-russian-msmarco with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use DiTy/bi-encoder-russian-msmarco with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("DiTy/bi-encoder-russian-msmarco") sentences = [ "определение новичка", "Часть пятая: Посещение художественного музея. Для новичка посещение художественного музея может стать непростой задачей. Большинство музеев очень большие и требуют выносливости и хорошего чувства направления. Потратьте некоторое время на то, чтобы узнать больше о музее, прежде чем отправиться в путь, - лучший способ обеспечить более информативное и приятное посещение. ПРЕЖДЕ ЧЕМ ТЫ УЙДЕШЬ.", "Определение новичка - это новичок или человек в начале чего-либо." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [3, 3] - Transformers
How to use DiTy/bi-encoder-russian-msmarco with Transformers:
# Load model directly from transformers import AutoTokenizer, AutoModel tokenizer = AutoTokenizer.from_pretrained("DiTy/bi-encoder-russian-msmarco") model = AutoModel.from_pretrained("DiTy/bi-encoder-russian-msmarco") - Inference
- Notebooks
- Google Colab
- Kaggle
Welcome to the community
The community tab is the place to discuss and collaborate with the HF community!