Sentence Similarity
sentence-transformers
Safetensors
Turkish
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:9597
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Instructions to use Omerhan/checkpoint-60-v7 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use Omerhan/checkpoint-60-v7 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("Omerhan/checkpoint-60-v7") sentences = [ "ÖRÜMCEK-KADIN #5'in aksiyon dolu güncel serisinin yazarı kimdir?", "SPIDER-WOMAN'ın 100. sayısını size zehir patlamaları, entrikalar ve Jessica Drew hayranlarının onu sevdiği tüm yüksek riskli Süper Kahraman aksiyonuyla dolu dönüm noktası niteliğindeki bir sayıyı sunarak kutlamaktan gurur duyuyor!\nÖRÜMCEK-KADIN #5, yazar Karla Pacheco ve sanatçı Pere Pérez tarafından yönetilen güncel aksiyon dolu dizinin dev boyutlu özel sayısı!\nPacheco, \"Jessica Drew, 10 Şubat 1977'de Marvel Spotlight #32'de ilk kez göründüğünde ben de ilk kez sahneye çıkıyordum\" dedi. “Yüz sayı ve 43 yıl sonra bu hem benim hem de Örümcek Kadın için çılgın bir yolculuktu. Jess'i bu seriye geri getiren muhteşem ekibin bir parçası olduğum için fazlasıyla gurur duyuyorum ve bence Jessica Drew'un maceralarının kesinlikle akıllara durgunluk veren bir sonraki bölümünü hazırlarken Örümcek Kadın'ın tarihine saygı duruşunda bulunmamız inanılmaz. . Cidden, eğer ilk 5 sayının çılgınca olduğunu düşündüyseniz… Sizi temin ederim, daha yeni başlıyoruz.”\nSüperstar sanatçı Greg Land'in muhteşem kapağına göz atın ve bu Ekim ayında yerel çizgi roman mağazanızdan SPIDER-WOMAN #100'ü alın! Daha fazla bilgi için Marvel'ı ziyaret edin!", "Guy Kawasaki, bir şirket kurmanın temel motivasyonunun harika ürünlerle harika bir şirket kurmak olması gerektiğini öne sürüyor.", "ÖRÜMCEK-KADIN #5'in aksiyon dolu güncel serisinin yazarı Karla Pacheco." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Ctrl+K