三种方式跑出来的余弦相似度不一样

Question

0.63， 0.60， 0.60后面的两个方法结果一样，但是和视频里展示的不一样

Answer 1

阿基米口 2025-03-08 21:16:04

你好，从你SentenceTransformer中的模型结构来，

• SentenceTransformer中计算句子embedding的方式是采用所有token的均值（'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True）。

• 而第一种方式中：是采用cls分类token来表示整个句子的embeeding（也就是BERT架构的CLS token）（outputs.last_hidden_state[:, 0] 第一个token）。导致这两种计算方式不一样，也可以通过调整参数来保持一致

可以通过调整SentenceTransformer结构中的pooling方式，把SentenceTransformer改成cls token的方式

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

from sentence_transformers import SentenceTransformer, models model_path = './data/llm_app/embedding_models/gte-large-zh/' model = SentenceTransformer(model_path)   # 创建新的 Pooling 层，修改 pooling_mode_cls_token 和 pooling_mode_mean_tokens pooling = models.Pooling(     word_embedding_dimension=1024,  # 保持与原来一致     pooling_mode_cls_token=True,    # 修改为 True 或 False     pooling_mode_mean_tokens=False,  # 修改为 True 或 False     pooling_mode_max_tokens=False,     pooling_mode_mean_sqrt_len_tokens=False,     pooling_mode_weightedmean_tokens=False,     pooling_mode_lasttoken=False,     include_prompt=True ) model._modules['1'] = pooling

这样模型的结构就调整成cls token来计算pooling

可以试下

• 提问者 龙仔小帅_qADQ46 #1

  非常感谢！

Answer 2

提问者 龙仔小帅_qADQ46 2025-03-07 15:00:24

embeding不一样

• 阿基米口 #1

  你好，从你SentenceTransformer中的模型结构来，SentenceTransformer中计算句子embedding的方式是采用所有token的均值（'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True）。而第一种方式中：是采用cls分类token来表示整个句子的embeeding（也就是BERT架构的CLS token）（outputs.last_hidden_state[:, 0] 第一个token）。导致这两种计算方式不一样，也可以通过调整参数来保持一致，见上面最新回复的代码

Answer 3

阿基米口 2025-03-07 14:20:21

1. Sentence-Transformers和huggingface结果一样是正常的，huggingface中的embedding是Sentence-Transformers的封装。

2. 我这边重复执行三个都是一样的，所以需要你这边打印一些信息来看看区别

把三个model 的结果都打印出来看看 直接print就可以

• 1 2 3 4

  model_path = './data/llm_app/embedding_models/gte-large-zh/' tokenizer = AutoTokenizer.from_pretrained(model_path) model = AutoModel.from_pretrained(model_path, device_map='cpu') print(model)

• 1 2	model = SentenceTransformer(model_path) print(model)

  
  

把embeding打印出来

提供下sentence_transformers的版本

1 2	import sentence_transformers sentence_transformers.__version__

• 提问者 龙仔小帅_qADQ46 #1

  老师您好，这个回复对话框无法上传图片，我直接新建了一个“回答”

• 阿基米口 回复 提问者 龙仔小帅_qADQ46 #2

  好的！