Sentence Similarity
sentence-transformers
Safetensors
Persian
bert
feature-extraction
loss:CachedMultipleNegativesRankingLoss
text-embeddings-inference
Instructions to use PartAI/Tooka-SBERT-V2-Large with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use PartAI/Tooka-SBERT-V2-Large with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("PartAI/Tooka-SBERT-V2-Large") sentences = [ "درنا از پرندگان مهاجر با پاهای بلند و گردن دراز است.", "درناها با قامتی بلند و بالهای پهن، از زیباترین پرندگان مهاجر به شمار میروند.", "درناها پرندگانی کوچک با پاهای کوتاه هستند که مهاجرت نمیکنند.", "ایران برای بار دیگر توانست به مدال طلا دست یابد." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
| { | |
| "__version__": { | |
| "sentence_transformers": "3.4.1", | |
| "transformers": "4.45.2", | |
| "pytorch": "2.3.1+cu121" | |
| }, | |
| "prompts": {}, | |
| "default_prompt_name": null, | |
| "similarity_fn_name": "cosine" | |
| } |