Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:5460
loss:TripletLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use NullCoreDeveloper/stylometric-rubert-v5 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use NullCoreDeveloper/stylometric-rubert-v5 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("NullCoreDeveloper/stylometric-rubert-v5") sentences = [ "Так хяоми работает и у них есть варианты поинтереснее ах6с без 160 ширины канала но ставится альтернативная прошивка или 5400 второй вариант . Настроил и забыл", "да капец. вроде и хочешь простой роутер для шлема выбрать, а столько всего всплывает. то не так, другое не так. 160 мгц нет (хотя и нахрен не надо), то перегревы... блин!", "А вот мне интересно для всех шлемов общий стор и покупки? Те выйдет пико5, а VD у меня получается уже куплен?\nЧто бы не как с плейстецшен…)))\nИ не увидит . Вы скачали SA для пико4, а у пико3 ствоц другой. Этот удалите и скачайте правильный тыкнув на сайте на свой шлем", "У меня на ультра и на rx 5700 xt (аналог 2080) идёт. Оптимизирована просто отлично\nДавай сравним, что-нибудь. Думаю, %5-10. Но просили просто скинуть площадку" ] 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!