Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:200
loss:CosineSimilarityLoss
text-embeddings-inference
Instructions to use JesusScott/mi-modelo-peliculastest with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use JesusScott/mi-modelo-peliculastest with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("JesusScott/mi-modelo-peliculastest") sentences = [ "¿Y dónde están las rubias? - Categoría: Comedia", "Dos agentes del FBI se disfrazan de ricas herederas para protegerlas de un secuestro. El caucho y los tacones se vuelven sus mejores aliados.", "El hijo de un comandante nazi entabla amistad con un niño judío al otro lado de la alambrada. Su inocencia los lleva a un desenlace devastador.", "Un hombre judío nacido el mismo día que Jesús es confundido con el Mesías. Su vida se convierte en una parodia de la religión y el poder." ] 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!