> ML_KUTUPHANE // SENTENCE-TRANSFORMERS_v1.0
Sentence Transformers
Hugging Face / UKP Lab — BERT ve benzeri modellerle çok dilli cümle ve görsel embedding kütüphanesi.
nlp-llmv3.1.1Apache-2.0qualified
Model Eğitimi (Training)
Desteklenen Hızlandırıcılar:
CPUCUDAROCMMPSXPU
Dağıtık Eğitim (Distributed):Evet
Model Sunumu (Inference)
Inference Hızlandırıcıları:
CPUCUDAROCMMPS
Hedef Ortamlar (Targets):server, edge
Kuantizasyon Formatları:ONNX INT8, OpenVINO FP16
Neleri Sağlar (Ne Yapar)
- +Cümle ve paragraflar için yüksek kaliteli yoğun vektör gösterimleri hesaplama
- +Yüksek doğruluklu anlamsal yeniden sıralama için çapraz kodlayıcı (cross-encoder) modelleri
- +Hızlı üretim embedding'i için ONNX ve OpenVINO formatına dışa aktarma
Neleri Sağlamaz (Ne Yapmaz)
- -Büyük dil modelleri gibi serbest metin üretimi yapma
- -Vektör veritabanı indekslemesini yerel olarak yönetme (Qdrant, Milvus, pgvector gerektirir)
- -Transformers.js olmadan tarayıcı içinde doğrudan çalışma
>Uygun İş Tipleri
- Kurumsal RAG boru hatlarında anlamsal arama ve belge getirme
- Müşteri niyeti sınıflandırması ve kümeleme
- Mükerrer destek talebi ve soru tekilleştirme
>Uygun Olmayan İş Tipleri
- Sohbet yanıtları üretme (üretici LLM çalışma zamanları tercih edin)
- Klasik tablo sayısal modellemesi
Veri Yerleşimi ve İkameti
Süreç içi ana makine ve GPU belleği.
Güvenlik Değerlendirmesi
SafeTensors modelleri ile güvenlidir.
Operasyonel Metrikler ve Bilinen Kısıtlar
Olgunluk:mature
Öğrenme Eğrisi:low
Operasyon Yükü:low
Maliyet Seviyesi:free-oss
> Bilinen Kısıtlamalar:
- Embedding bağlam uzunluğu modele bağlı olarak genellikle 512-8192 token ile sınırlıdır.
- Çapraz kodlayıcılar belge sayısıyla karesel ölçeklendiğinden iki aşamalı getirme mimarisi gerektirir.
İlişkili Üretim Arıza Paternleri (Incidentpedia)
Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:
> Birincil Kanıt ve Doğrulama Kaynakları
Sentence Transformers Documentationofficial-docs • >=2.5.0, <=3.1.x
2026-09-25HIGH