Hugging Face's logo Hugging Face
  • Models
  • Datasets
  • Spaces
  • Buckets new
  • Docs
  • Enterprise
  • Pricing
    • Website
      • Tasks
      • HuggingChat
      • Collections
      • Languages
      • Organizations
    • Community
      • Blog
      • Posts
      • Daily Papers
      • Learn
      • Discord
      • Forum
      • GitHub
    • Solutions
      • Team & Enterprise
      • Hugging Face PRO
      • Enterprise Support
      • Inference Providers
      • Inference Endpoints
      • Storage Buckets

  • Log In
  • Sign Up

hocool
/
my-embedding-gemma-test

Sentence Similarity
sentence-transformers
Safetensors
feature-extraction
dense
Generated from Trainer
dataset_size:150
loss:MultipleNegativesRankingLoss
Model card Files Files and versions
xet
Community

Instructions to use hocool/my-embedding-gemma-test with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

  • Libraries
  • sentence-transformers

    How to use hocool/my-embedding-gemma-test with sentence-transformers:

    from sentence_transformers import SentenceTransformer
    
    model = SentenceTransformer("hocool/my-embedding-gemma-test")
    
    sentences = [
        "Які критерії кваліфікації повідомлення як спаму за статтею 2 Закону Про електронні комунікації?",
        "Закон України Про захист персональних даних. Стаття 2. Визначення термінів. Обробка персональних даних – будь-яка дія або сукупність дій, таких як збирання, реєстрація, накопичення, зберігання, адаптування, зміна, використання і поширення.",
        "Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Спам – електронні, текстові та/або мультимедійні повідомлення, що без попередньої згоди (замовлення) користувачів неодноразово (більше п'яти повідомлень одному абоненту) надсилаються на їхні адреси.",
        "Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Спам – електронні, текстові та/або мультимедійні повідомлення, що без попередньої згоди (замовлення) користувачів неодноразово (більше двох повідомлень одному абоненту) надсилаються на їхні адреси."
    ]
    embeddings = model.encode(sentences)
    
    similarities = model.similarity(embeddings, embeddings)
    print(similarities.shape)
    # [4, 4]
  • Notebooks
  • Google Colab
  • Kaggle
my-embedding-gemma-test
1.27 GB
Ctrl+K
Ctrl+K
  • 1 contributor
History: 2 commits
hocool's picture
hocool
Add new SentenceTransformer model
33da2cc verified 6 months ago
  • 1_Pooling
    Add new SentenceTransformer model 6 months ago
  • 2_Dense
    Add new SentenceTransformer model 6 months ago
  • 3_Dense
    Add new SentenceTransformer model 6 months ago
  • .gitattributes
    1.57 kB
    Add new SentenceTransformer model 6 months ago
  • README.md
    25.2 kB
    Add new SentenceTransformer model 6 months ago
  • added_tokens.json
    35 Bytes
    Add new SentenceTransformer model 6 months ago
  • config.json
    1.49 kB
    Add new SentenceTransformer model 6 months ago
  • config_sentence_transformers.json
    997 Bytes
    Add new SentenceTransformer model 6 months ago
  • model.safetensors
    1.21 GB
    xet
    Add new SentenceTransformer model 6 months ago
  • modules.json
    573 Bytes
    Add new SentenceTransformer model 6 months ago
  • sentence_bert_config.json
    58 Bytes
    Add new SentenceTransformer model 6 months ago
  • special_tokens_map.json
    662 Bytes
    Add new SentenceTransformer model 6 months ago
  • tokenizer.json
    33.4 MB
    xet
    Add new SentenceTransformer model 6 months ago
  • tokenizer.model
    4.69 MB
    xet
    Add new SentenceTransformer model 6 months ago
  • tokenizer_config.json
    1.16 MB
    Add new SentenceTransformer model 6 months ago