Sentence Transformers: all-MiniLM-L12-v2
Sentence Transformers all-MiniLM-L12-v2 stavke in kratke odstavke kodira v 384-razsežne vektorje za iskanje, primerjavo podobnosti in gručenje. Njegov referenčni postopek uporablja povprečenje predstavitev in normalizacijo s privzetim skrajšanjem pri 256 podbesednih enotah.
O modelu
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
all-MiniLM-L12-v2 je kodirnik Sentence Transformers za stavke in kratke odstavke. Za vsako besedilo ustvari en 384-razsežen gosti vektor za semantično iskanje, pridobivanje informacij, gručenje in primerjavo podobnosti stavkov. Model uporablja osnovo MiniLM-L12-H384-uncased in je bil dodatno učen s kontrastivnim učenjem na zbirki milijarde parov stavkov.
Kodirajte enoto, ki jo želite pridobiti
Uporabite stavek ali kratek odstavek, ki izraža eno uporabno misel. Pri zbirki opisov izdelkov ohranite lastnost in pogoj, ki izdelek razločujeta: “Adapter poveže žične naglavne slušalke z vrati USB-C” je bolj informativno kot “Avdio pripomoček”. Identifikator zapisa in izvirni opis shranite ob njegovem vektorju.
Iskalno poizvedbo je nato mogoče primerjati s kodiranimi opisi. Vrnjene kandidate preglejte glede na natančne zahteve, kot sta vrsta priključka ali združljivost naprave, preden predstavite končno izbiro. Vektor predstavlja pomen besedila; okoliška iskalna aplikacija pridobi ustrezne zapise.
Povprečenje predstavitev in normalizirani vektorji
Objavljeni primer kodiranja povpreči predstavitve žetonov z masko pozornosti, zato položaji zapolnitve ne prispevajo v povprečje. Nato uporabi normalizacijo L2. Ta koraka sta del referenčnega postopka pridobivanja vektorja stavka, ne navodilo za izbiro poljubnega žetona iz osnovnega transformerja.
Konfiguracijo modela, združevanja predstavitev in normalizacije ohranite dosledno med indeksiranimi besedili in novimi poizvedbami. Nastale predstavitve s 384 komponentami je mogoče primerjati s kosinusno podobnostjo. Zapis konfiguracije ohranite z zbirko; drug 384-razsežen kodirnik ne postane združljiv samo zato, ker imajo njegovi vektorji isto dolžino.
Privzeta dolžina vhoda in obseg učenja
Proizvajalec določa privzeto skrajšanje nad 256 podbesednih enot. To je omejitev tokenizatorja, ne število običajnih besed ali znakov. Pri daljšem zapisu izberite povezane kratke dele in ohranite naslov ali identifikacijsko podrobnost, potrebno za interpretacijo vsakega.
Učni postopek modela je uporabljal zaporedja do 128 žetonov. Ta učna nastavitev je ločena od objavljenih privzetih 256 podbesednih enot pri kodiranju. Odlomek, ki ustreza privzeti meji, se lahko še vedno bistveno razlikuje od gradiva kratkih stavkov, uporabljenega pri učenju, zato dolge ali strokovne opise ocenite z reprezentativnimi primeri.
Poteki podobnosti in gručenja
Pri naboru sporočil podpore embeddingi lahko prispevajo številčne vhode stopnji združevanja. Pred dodelitvijo človeku razumljive oznake preglejte več sporočil iz vsake predlagane skupine in sporočila ob njeni meji. Pri pregledu podvojene vsebine pridobite podobne zapise in primerjajte njihovo dejansko besedilo; dva odlomka lahko obravnavata isti predmet in dajeta drugačna navodila.
Ta konkretna izdaja L12-v2 je angleški profil embeddingov stavkov. Razlikuje se od all-MiniLM-L6-v2 in kontrolnih točk paraphrase-MiniLM. Skupna imena družin modelov ne pomenijo enake konfiguracije zaporedja ali postopka združevanja predstavitev. Njegove zgoščene goste vektorje uporabljajte z izvornimi zapisi in ocenjevanjem konkretne naloge, ne obravnavajte vrednosti podobnosti kot preverjenega odgovora ali končne uredniške odločitve.
Ailoot Ultra · Vektorske predstavitve POST /v1/embeddings sentence-transformers/all-minilm-l12-v2
sentence-transformers/all-minilm-l12-v2
sentence-transformers/all-minilm-l12-v2Začetek
Sentence Transformers all-MiniLM-L12-v2 stavke in kratke odstavke kodira v 384-razsežne vektorje za iskanje, primerjavo podobnosti in gručenje. Njegov referenčni postopek uporablja povprečenje predstavitev in normalizacijo s privzetim skrajšanjem pri 256 podbesednih enotah.
- Dovoljeni vhodi
- Besedilo · token_ids
- Rezultati
- embedding
Na voljo v Ailoot · vhodi in metode
Ailoot Ultra · Vektorske predstavitve POST /v1/embeddings
- Vhod
text,token_ids- Izhod
embedding- Izhodni format
- json
| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve sentence-transformers/all-minilm-l12-v2 | Privzeto— |
Poljeinput | Vrstastring|string[]|integer[]|integer[][] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 Pogoji: Neprazen paket istovrstnih vhodnih podatkov. Identifikatorji žetonov so nenegativna cela števila. Vhodni proračun: Največ: 512 · Besedilna enota: bajti UTF8 · Enota žetonov: elementi polja žetonov | Privzeto— |
Poljeencoding_format | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve float | Privzetofloat |
Poljedimensions | Vrstainteger | ZahtevaNi podprto | Vrednosti in omejitve Najmanj: 1 | Privzeto— |
Poljeuser | Vrstajson_value | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela. | Privzeto— |
Poljesession_id | Vrstajson_value | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela. | Privzeto— |
Poljetrace | Vrstajson_value | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela. | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je zavrnjen | Privzeto— |
Kombinacije vhodnih gradiv
text_to_embedding
Parametri in življenjski cikel metode
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, input |
Parameterinput_shapes | Specifikacijastring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parameterencoding_format | Specifikacijafloat |
Parameterdimensions_override | Specifikacijafalse |
Parametermax_input_budget_units | Specifikacija512 |
Parametermultimodal_objects | Specifikacijafalse |
Parametermaterial_types | Specifikacijatext, token_ids |
Življenjski cikel: synchronous_json
Shranite indeks in dimenzijo vsakega vektorja.
Ime multimodalnega modela ne pomeni, da so na tej točno določeni poti dovoljeni slikovni objekti.
Cenik
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
- Hitri način
- Ni navedeno Ko je izbran hitri način
- Način flex
- Ni navedeno Ko je izbran način flex
- Najvišja raven razmišljanja
- Ni navedeno Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)
Cene Ailoot
Cene po nastavitvah
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.00001 / 1K žetonov Izhod · Izhodni žetoni $0 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
Primeri zahtev
Ailoot Ultra · Vektorske predstavitve
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "sentence-transformers/all-minilm-l12-v2", "input": ["First document", "Second document"]}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
from openai import OpenAI
import os
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='sentence-transformers/all-minilm-l12-v2',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
Prejmi in shrani rezultate
Ailoot Ultra · Vektorske predstavitve
json
Ohrani vse dokončane rezultate
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Shranite vsak vektor skupaj z njegovim indeksom. Število vektorjev mora biti enako številu vhodov; dimenzije morajo biti skladne.
Če je treba preveriti izvirni odgovor
Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja.
Polja odgovora
| Polje | Vrsta |
|---|---|
Poljeobject | Vrstastring |
Poljemodel | Vrstastring |
Poljedata[].index | Vrstainteger |
Poljedata[].embedding | Vrstafinite float[] |
Poljeusage | Vrstaobject |
Napake in naslednji koraki
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Druga imena
Druga imena modelov
Ailoot Ultra sentence-transformers/all-minilm-l12-v2
Druga imena poti metod
Uporabite zgoraj navedene poti metod.
Povezani ID-ji za klic
FAQ · Sentence Transformers: all-MiniLM-L12-v2
- Kateri vhodi in rezultati so na voljo?
POST /v1/embeddings·sentence-transformers/all-minilm-l12-v2:text,token_ids→embedding- Katera polja uporablja zahteva?
POST /v1/embeddings·sentence-transformers/all-minilm-l12-v2:model,input,encoding_format,provider- Katere omejitve veljajo?
POST /v1/embeddings·sentence-transformers/all-minilm-l12-v2:input.budget.maximum:512(bajti UTF8);input.min_items:1