all-MiniLM-L6-v2 是 sentence-transformers 系列的高效句子嵌入模型,将句子映射到 384 维稠密向量空间,可用于聚类和语义搜索等任务。该模型基于 BERT 架构,采用 6 层 Transformer 编码器,参数量约 22.7M。
all-MiniLM-L6-v2-ascend/
├── inference.py # 推理测试脚本
├── log.txt # 测试日志
├── README.md # 本文档
└── test_sentences.txt # 测试句子docker exec -it test-modelagent bashsource /usr/local/Ascend/ascend-toolkit/set_env.sh模型文件位于 /data/ysws/agentsp/5-15/all-MiniLM-L6-v2/ 目录下:
pip install transformers torch_npu运行推理脚本进行句子嵌入提取:
cd /data/ysws/agentsp/5-15/all-MiniLM-L6-v2-ascend/
# 使用默认测试句子
python3 inference.py
# 使用指定设备
python3 inference.py --device npu:0运行精度对比测试,验证 NPU 计算结果与 CPU 一致性:
cd /data/ysws/agentsp/5-15/all-MiniLM-L6-v2-ascend/
# 运行完整精度测试
python3 inference.py --mode precision_test| 参数 | 说明 | 默认值 |
|---|---|---|
--mode | 测试模式: inference 或 precision_test | inference |
--device | 运行设备 | npu:0 (自动检测) |
| 指标 | 实测值 | 阈值 | 状态 |
|---|---|---|---|
| 相对误差 | 0.1547% | < 1.00% | PASS |
| Cosine 相似度差 | 1.38e-04 | < 1.00e-02 | PASS |
| 操作 | 耗时 |
|---|---|
| CPU 推理时间 (3 句) | 0.102s |
| NPU 推理时间 (3 句) | 0.271s |
| 单句 NPU 推理 | ~0.09s |
| 输入句子 | 嵌入维度 | Cosine 相似度 |
|---|---|---|
| "This is a test sentence..." vs "The model maps sentences..." | 384 | 0.4740 |
结果: CPU 和 NPU 输出的 cosine 相似度差异仅 0.000138,几乎完全一致
完整测试日志保存在 log.txt
import torch
from transformers import AutoTokenizer, AutoModel
MODEL_DIR = "/data/ysws/agentsp/5-15/all-MiniLM-L6-v2"
tokenizer = AutoTokenizer.from_pretrained(MODEL_DIR)
model = AutoModel.from_pretrained(MODEL_DIR)
model = model.to("npu:0")
model.eval()
def mean_pooling(model_output, attention_mask):
token_embeddings = model_output.last_hidden_state
input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)
sentences = ["This is a test sentence", "Each sentence is converted"]
inputs = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
inputs = {k: v.to("npu:0") for k, v in inputs.items()}
with torch.no_grad():
outputs = model(**inputs)
embeddings = mean_pooling(outputs, inputs['attention_mask'])
print(f"Embeddings shape: {embeddings.shape}") # torch.Size([2, 384])from sklearn.metrics.pairwise import cosine_similarity
# 计算两个句子的相似度
emb1 = embeddings[0].cpu().numpy()
emb2 = embeddings[1].cpu().numpy()
similarity = cosine_similarity([emb1], [emb2])[0][0]
print(f"Cosine similarity: {similarity:.4f}")sentences = [
"First sentence for embedding",
"Second sentence for comparison",
"Third sentence in the batch"
]
inputs = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
inputs = {k: v.to("npu:0") for k, v in inputs.items()}
with torch.no_grad():
outputs = model(**inputs)
embeddings = mean_pooling(outputs, inputs['attention_mask'])
print(f"Batch embeddings shape: {embeddings.shape}") # torch.Size([3, 384])| 组件 | 说明 |
|---|---|
| embeddings | BERT 词嵌入 (vocab_size=30522) |
| encoder | 6 层 Transformer 编码器 |
| pooler | Mean Pooling over token embeddings |
从 config.json 提取的关键参数:
{
"hidden_size": 384,
"intermediate_size": 1536,
"num_attention_heads": 12,
"num_hidden_layers": 6,
"vocab_size": 30522
}A: 检查 NPU 驱动是否正确安装,确保 CANN 环境变量已 source。0.1-0.2% 的数值误差是正常的,因为 NPU 和 CPU 使用不同的计算精度。
A: 使用批处理可以显著提高吞吐量。另外,首次推理会有编译开销,后续推理会更快。
A: 可用于:
本项目遵循 Apache-2.0 许可证