Sentence Similarity
sentence-transformers
Safetensors
gemma3_text
feature-extraction
dense
Generated from Trainer
dataset_size:2550
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use hienNguyen197/my-embedding-gemma_v2 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use hienNguyen197/my-embedding-gemma_v2 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("hienNguyen197/my-embedding-gemma_v2") sentences = [ "Những khó khăn chính mà tiểu thủ công nghiệp gặp phải sau cải tạo là gì?", "Cải tạo đã mang lại những lợi ích gì cho tiểu thủ công nghiệp?", "Tên gọi của Làng Phù Lưu trong thế kỷ 17 là gì và quá trình nó trở thành một trung tâm giao thương diễn ra ra sao?", "Sau cải tạo, đâu là những trở ngại lớn nhất đối với các ngành tiểu thủ công nghiệp?" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
| { | |
| "word_embedding_dimension": 768, | |
| "pooling_mode_cls_token": false, | |
| "pooling_mode_mean_tokens": true, | |
| "pooling_mode_max_tokens": false, | |
| "pooling_mode_mean_sqrt_len_tokens": false, | |
| "pooling_mode_weightedmean_tokens": false, | |
| "pooling_mode_lasttoken": false, | |
| "include_prompt": true | |
| } |