Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
dense
Generated from Trainer
dataset_size:640
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use rpro57/Os_Vencedores1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use rpro57/Os_Vencedores1 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("rpro57/Os_Vencedores1") sentences = [ "Recém-nascido prematuro (33 semanas), ecografia na gestação mostrava polidrâmnio, peso ao nascimento 1,3kg, apresentou resíduo gástrico importante na tentativa de alimentação. Encontra-se com 2 dias de vida, com sonda gástrica “aberta” drenando material bilioso. Exame de imagem realizado apresentado abaixo: (Fonte: J Clin Neonatol) De acordo com o quadro clínico e o exame de imagem, qual o diagnóstico para esta criança?", "Atresia duodenal", "Dismotilidade própria do prematuro", "A forma mais segura e eficaz de prevenção para o herpes zoster (zona) é a vacinação. Trata-se de vacina de vírus inativado, indicada para homens e mulheres acima de 50 anos." ] 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!