Instructions to use Sahajtomar/french_semantic with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use Sahajtomar/french_semantic with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("Sahajtomar/french_semantic") sentences = [ "C'est une personne heureuse", "C'est un chien heureux", "C'est une personne très heureuse", "Aujourd'hui est une journée ensoleillée" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
French STS
STS dev (french)
87.4%
STS test (french)
85.8%
STS pipeline
!pip install -U sentence-transformers
from sentence_transformers import SentenceTransformer
model = SentenceTransformer('..model_path..')
sentences1 = ["J'aime mon téléphone",
"Mon téléphone n'est pas bon.",
"Votre téléphone portable est superbe."]
sentences2 = ["Est-ce qu'il neige demain?",
"Récemment, de nombreux ouragans ont frappé les États-Unis",
"Le réchauffement climatique est réel",]
embeddings1 = model.encode(sentences1, convert_to_tensor=True)
embeddings2 = model.encode(sentences2, convert_to_tensor=True)
cosine_scores = util.pytorch_cos_sim(embeddings1, embeddings2)
for i in range(len(sentences1)):
for j in range(len(sentences2)):
print(cosine_scores[i][j]))
"""
"""
- Downloads last month
- 13