app.py

import streamlit as st
from sentence_transformers import SentenceTransformer

# تحميل الموديل


@st
.cache_resource
def load_model():
model = SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2')
return model

# واجهة الاستخدام
st.title("All-MiniLM-L6-v2 Demo")

model = load_model()

text_input = st.text_area("اكتب الجملة اللي عايز تحسب لها embeddings:")
if st.button("احسب الـ Embedding"):
if text_input:
embedding = model.encode(text_input)
st.write("الـ Embedding vector:")
st.write(embedding)
st.write(f"الحجم: {len(embedding)}")
else:
st.warning("من فضلك اكتب جملة أول!")

app.py

@@ -0,0 +1,23 @@
+import streamlit as st
+from sentence_transformers import SentenceTransformer
+
+# تحميل الموديل
+@st.cache_resource
+def load_model():
+    model = SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2')
+    return model
+
+# واجهة الاستخدام
+st.title("All-MiniLM-L6-v2 Demo")
+
+model = load_model()
+
+text_input = st.text_area("اكتب الجملة اللي عايز تحسب لها embeddings:")
+if st.button("احسب الـ Embedding"):
+    if text_input:
+        embedding = model.encode(text_input)
+        st.write("الـ Embedding vector:")
+        st.write(embedding)
+        st.write(f"الحجم: {len(embedding)}")
+    else:
+        st.warning("من فضلك اكتب جملة أول!")