Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:86732
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Instructions to use Solomennikova/labse_funetuned_hoff_40_epochs with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use Solomennikova/labse_funetuned_hoff_40_epochs with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("Solomennikova/labse_funetuned_hoff_40_epochs") sentences = [ "тарелки", "{\"product_name\": \"Компьютерный стол КСТ-08.1\", \"Бренд\": null, \"Цвет\": \"Белый\", \"Материал\": null, \"description\": \"Компьютерный стол КСТ-08.1 — это идеальный выбор для создания комфортного рабочего пространства и предоставляет достаточно места для размещения компьютера, монитора и других необходимых аксессуаров. Столешница выполнена из ЛДСП отечественного производства с матовым покрытием, что придаёт ей стильный и современный вид. Стол КСТ-08.1 оснащён тумбой с тремя выдвижными ящиками, что позволяет удобно хранить канцелярские принадлежности и документы. Также предусмотрена полка для системного блока, что помогает поддерживать порядок на рабочем месте. Полка для клавиатуры обеспечивает комфортное использование. Стол имеет прямую форму, а зеркальная сборка позволяет установить его как с левой, так и с правой стороны, что добавляет универсальности в его использовании. Компьютерный стол КСТ-08.1 станет надёжным помощником в организации рабочего процесса, обеспечивая комфорт и функциональность рабочего пространства.\", \"Производитель\": \"Россия\"}", "{\"product_name\": \"Анатомическая подушка Скиве эрго 30х50 см, Пена с эффектом памяти\", \"Бренд\": null, \"Цвет\": null, \"Материал\": null, \"description\": \"\", \"Производитель\": \"Россия\"}", "{\"product_name\": \"Газовый духовой шкаф KORTING OGG 741 59.5х59.5х58 см\", \"Бренд\": \"KORTING\", \"Цвет\": \"матовый чёрный\", \"Материал\": \"металл, стекло\", \"description\": \"\", \"Производитель\": \"Турция\"}" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Welcome to the community
The community tab is the place to discuss and collaborate with the HF community!