Sentence Similarity
sentence-transformers
Safetensors
Transformers
Malayalam
Tamil
bert
feature-extraction
text-embeddings-inference
Instructions to use eswardivi/tamal-sentence-bert-nli with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use eswardivi/tamal-sentence-bert-nli with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("eswardivi/tamal-sentence-bert-nli") sentences = [ "കുട്ടികൾ പാർക്കിൽ കളിക്കാൻ ഇഷ്ടപ്പെടുന്നു", "କେବଳ ପିଲାମାନଙ୍କୁ ପାର୍କରେ ଖେଳିବାକୁ ଅନୁମତି ଦିଆଯାଇଛି", "പാർക്കിൽ കുട്ടികൾക്ക് മാത്രമേ കളിക്കാൻ അനുവാദമുള്ളൂ", "കുട്ടികൾ പന്തുമായി കളിക്കാൻ ഇഷ്ടപ്പെടുന്നു" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Transformers
How to use eswardivi/tamal-sentence-bert-nli with Transformers:
# Load model directly from transformers import AutoTokenizer, AutoModel tokenizer = AutoTokenizer.from_pretrained("eswardivi/tamal-sentence-bert-nli") model = AutoModel.from_pretrained("eswardivi/tamal-sentence-bert-nli") - Notebooks
- Google Colab
- Kaggle
Model is merged by averaging l3cube-pune/malayalam-sentence-bert-nli and l3cube-pune/malayalam-sentence-bert-nli.
- Downloads last month
- 4