Model Details
Model Description
- Model Type: Sentence Transformer
- Maximum Sequence Length: 512 tokens
- Output Dimensionality: 1024 tokens
- Similarity Function: Cosine Similarity
Usage
Direct Usage (Sentence Transformers)
First install the Sentence Transformers library:
pip install -U sentence-transformers
Then you can load this model and run inference.
from sentence_transformers import SentenceTransformer
# Download from the 🤗 Hub
model = SentenceTransformer("universalml/Nepali_Embedding_Model")
# Run inference
sentences = [
'म कसरी बिस्तारै तौल घटाउन सक्छु?',
'वजन घटाउनको लागि कुनै राम्रो आहार हो?',
'कस्तो प्रकारको आहार कसैले आहार नचाहने व्यक्तिका लागि उत्तम हुन्छ?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
- Downloads last month
- 148
from sentence_transformers import SentenceTransformer model = SentenceTransformer("universalml/Nepali_Embedding_Model") sentences = [ "मैले विचार गर्नुपर्ने कलेजहरू के के हुन्, विचार गर्नुपर्ने कारकहरू: केएमसी म्यानिपल वा केएमसी मंगोलमा?", "मंगलोर शान्त वा हिंस्रक स्थान हो?", "पुरुषहरूको तुलनामा महिलाहरूको लागि यौनिक आनन्द बढी हुन्छ कि हुँदैन?", "के कसैले केएमसी मानिपाल र मंगलोरको संक्षिप्त तुलना गर्न सक्छ?" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4]