Project Icon

gte-large-onnx

ONNX格式文本向量模型实现快速分类与相似度搜索

gte-large-onnx是thenlper/gte-large模型的ONNX移植版本,用于文本分类和相似度搜索任务。该模型与FastEmbed框架集成,支持通过API调用生成文本嵌入向量,实现批量文本处理。基于Apache-2.0许可证开源,可用于构建文本相似度检索和文档分类等应用

distilbert-base-uncased-go-emotions-onnx - 优化为ONNX格式的轻量级情感分析模型
GithubHuggingfaceONNX开源项目情感分析模型模型量化自然语言处理零样本分类
该模型是基于distilbert-base-uncased架构,通过零样本蒸馏技术在GoEmotions数据集上训练的情感分类工具。经ONNX格式转换和量化处理,模型性能得到显著提升。这一创新方法展示了如何将复杂的NLI零样本模型简化为高效的学生模型,实现了仅依靠未标记数据即可训练分类器的技术突破。尽管在精度上可能略逊于全监督模型,但为处理无标签数据的情感分析任务提供了实用解决方案。
MoritzLaurer-roberta-base-zeroshot-v2.0-c-onnx - ONNX格式的零样本分类基础模型
GithubHugging FaceHuggingfaceONNX开源项目模型转换
该项目将MoritzLaurer/roberta-base-zeroshot-v2.0-c模型转成ONNX格式,旨在增强推理性能和部署灵活性,借助Hugging Face的Optimum库进行转换。适用于多任务快速处理的应用场景,在零样本分类中,无需大量手动标注数据,便可实现有效的文本分类,适合各类语言处理任务。
roberta-large-nli-stsb-mean-tokens - 基于RoBERTa的大规模语义相似度计算和文本嵌入模型
GithubHuggingfacesentence-transformers向量化开源项目模型模型嵌入自然语言处理语义相似度
这是一个基于RoBERTa的sentence-transformers模型,可将文本映射至1024维向量空间。它支持句子相似度计算、文本聚类和语义搜索等任务,并提供简便的API接口。该模型可通过sentence-transformers或HuggingFace Transformers库使用,便于获取文本嵌入。然而,由于性能已过时,建议采用更新的预训练模型替代。
multilingual-e5-large - 大规模多语言文本编码模型,适用于多种NLP任务
GithubHuggingfacemultilingual-e5-large多语言支持开源项目机器学习模型自然语言处理语言模型
multilingual-e5-large是一个支持100多种语言的大规模文本编码模型。该模型在文本分类、检索、聚类和语义相似度等多项自然语言处理任务中表现优异。基于Transformer架构,它能够生成高质量的多语言文本嵌入,适用于各种跨语言NLP应用。在MTEB基准测试中,该模型展现了出色的多语言和多任务处理能力。
timely-arctic-small - 语义相似度分析模型:句子向量化工具
GithubHuggingfaceSnowflake/snowflake-arctic-embed-s开源项目数据集文本分类模型相似性函数语义相似性
基于Sentence Transformers的模型,采用Snowflake/snowflake-arctic-embed-s进行语义相似度分析。模型将句子转化为384维向量,适用于语义搜索、同义词挖掘、文本分类和聚类等领域。使用余弦相似度作为基本算法,支持最长512个token的序列,训练与评估数据集分别包含55736与1000条样本,提升精确度。更多技术细节与用法,请参考GitHub和相关文档。
bge-base-en-v1.5 - 增强文本处理能力的多任务学习模型
GithubHuggingfacesentence-transformers分类句子相似性句子聚类开源项目模型特征提取
bge-base-en-v1.5模型通过多任务学习优化自然语言处理技术,覆盖分类、检索、聚类和重排任务。在多个MTEB数据集上表现优异,例如在亚马逊情感分类任务中达到93.39%的准确率,在AskUbuntu重排任务中MRR达到74.28%。该模型具有MIT开源许可,适用于多种英语任务,为研究人员和开发者提供有效支持。
MiniLMv2-agentflow-v2-onnx - MiniLMv2-ONNX模型帮助文本分类和LLM事件识别
GithubHuggingfaceLLM代理MiniLMv2ONNXOptimum开源项目文本分类模型
本项目介绍了一款量化文本分类模型,能高效识别对话流程中的常见LLM事件,如道歉、误解和功能受限。该模型基于MiniLMv2-L6-H384开发,运用ONNX提高推理效率及精度,适合高级LLM分析,支持在CPU设备上部署,通过轻量级方案优化性能表现。
GIST-Embedding-v0 - 高性能句子嵌入模型支持多种自然语言处理任务
GithubHuggingfacesentence-transformers分类任务句子相似度开源项目检索任务模型特征提取
GIST-Embedding-v0是一个句子嵌入模型,适用于多种自然语言处理任务。该模型在MTEB基准测试中展现出良好性能,特别是在英语文本处理方面。它支持分类、检索和聚类等应用,为开发者提供了一个灵活的文本表示解决方案。
onnxruntime - 跨平台的机器学习模型推理与训练加速工具
GithubONNX Runtime开源项目机器学习模型训练深度学习硬件加速
ONNX Runtime是一款跨平台的机器学习推理和训练加速工具,兼容PyTorch、TensorFlow/Keras、scikit-learn等深度学习框架及传统机器学习库。它支持多种硬件和操作系统,通过硬件加速和图优化实现最佳性能,显著提升模型推理和训练速度,尤其在多节点NVIDIA GPU上的Transformer模型训练中表现出色。
stsb-bert-tiny-openvino - 基于BERT的轻量级句子相似度和语义搜索模型
GithubHuggingfacesentence-transformers向量编码开源项目模型深度学习自然语言处理语义搜索
stsb-bert-tiny-openvino是一个轻量级的自然语言处理模型,基于sentence-transformers框架开发。模型将文本映射为128维向量,可用于文本相似度分析、聚类和语义检索。支持sentence-transformers和HuggingFace两种调用方式,配备完整的使用示例和文档。通过CosineSimilarityLoss训练优化,在保持高效处理能力的同时确保了模型的轻量化。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号