本地运行《使用AMD上的SentenceTransformers构建语义搜索》_sentencetransformerembeddings本地

Building semantic search with SentenceTransformers on AMD — ROCm Blogs

这篇博客解释了如何在Sentence Compression数据集上训练SentenceTransformers模型来执行语义搜索。使用BERT基础模型（不区分大小写）作为基础的变换器，并应用Hugging Face的PyTorch库。
训练这个自定义模型的目标是将其用于执行语义搜索。语义搜索是一种信息检索方法，它理解搜索查询的意图和上下文，而不仅仅是匹配关键词。例如，搜索“苹果派食谱”（查询）将返回关于如何制作苹果派的结果（文档），而不仅仅是包含“苹果”和“派”这些词的页面。
可以在这个[GitHub文件夹](https://github.com/ROCm/rocm-blogs/tree/release/blogs/artificial-intelligence/sentence_transformers_amd/)中找到与这篇博客文章相关的文件。

介绍SentenceTransformers

从头开始训练一个SentenceTransformers模型包括一个过程，即教导模型理解和编码句子为有意义的、高维度的向量。在这篇博客中，