Sentence Similarity
sentence-transformers
Safetensors
Burmese
bert
feature-extraction
dense
Generated from Trainer
myanmar
burmese
nlp
text-embeddings-inference
Instructions to use DatarrX/myX-Semantic-Light with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use DatarrX/myX-Semantic-Light with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("DatarrX/myX-Semantic-Light") sentences = [ "▁ထို့ကြောင့် ကြော်ငြာ ရှင် သည် နှိပ် လိုက်ပါ ကသာ ပေးချေ လိမ့်မည်။", "▁ကိုယ်ပိုင် စိတ်ကူး ဉာဏ် ဖြင့် ▁တီထွင် ရေးသား နိုင်သည်။", "▁ထိုအရာ အားလုံးက ▁အလွန် စိတ်လေး စရာ၊ ▁ကြောက်စရာကောင်း လှ သည်ဟု ▁ခံစား မိသည်။" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [3, 3] - Notebooks
- Google Colab
- Kaggle
File size: 229 Bytes
7199dc3 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 | [
{
"idx": 0,
"name": "0",
"path": "",
"type": "sentence_transformers.models.Transformer"
},
{
"idx": 1,
"name": "1",
"path": "1_Pooling",
"type": "sentence_transformers.models.Pooling"
}
] |