File size: 34,464 Bytes
616cf09 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 |
---
base_model: abdoelsayed/AraDPR
datasets:
- hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET
library_name: sentence-transformers
metrics:
- map
- mrr@10
- ndcg@10
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:5000000
- loss:MarginMSELoss
widget:
- source_sentence: الاختلاف السرقة السطو
sentences:
- على عكس السطو ، يتم فرض تهمة السرقة إذا أخذ الفرد وحمل قطعة من الممتلكات التي
لا تخصه بغرض حرمان المالك من الحيازة .
- يستغرق شحن Oral - B 5000 40 دقيقة لتنظيفه مرة واحدة فقط بعد أن تبدأ البطارية في
الإشارة إلى أنها منخفضة . لإعادة شحن الوحدة بالكامل ، يستغرق الأمر ما يقرب من
24 ساعة ، وهي ليست مشكلة بالنسبة لي لأنني لا أستخدمها إلا في الصباح .
- المشاهد الأولية هي المكان الذي وقعت فيه الجريمة بالفعل ( اغتصاب ، سطو ، قتل .
. ) المشاهد الثانوية حيث يمكن العثور على أدلة أخرى ، فيما يتعلق بالمشهد الأولي
( محل إقامة الموضوع ، زقاق في الشارع ، إلخ . . ) المشاهد الأولية هي المكان الذي
وقعت فيه الجريمة بالفعل ( اغتصاب ، سطو ، قتل . . )
- source_sentence: ما هي السيارات القديمة والكلاسيكية ؟
sentences:
- في يونيو 1997 ، تم استبدال العبارات أخيرا بوصلة دائمة ، جسر الكونفدرالية . يعد
الجسر أحد أكثر المشاريع الهندسية التي تم بناؤها تحديا على الإطلاق . تم الانتهاء
من تصميمها وبنائها على مدى 4 سنوات من قبل أكثر من 2000 شخص . الهيكل النهائي ضخم
. يبلغ طوله حوالي 12 . 9 كيلومترا - بطول 117 ملعب كرة قدم . يزن ما يقرب من 3 .
5 مليار كيلوغرام . إذا كان الشخص العادي يزن حوالي 70 كيلوغراما ( 155 رطلا ) ،
فإن الجسر يعادل 50000000 شخص - أي أكثر من مرة ونصف عدد سكان كندا !
- سيارة قديمة . تعتبر سيارة بنتلي سبيد سيكس تورر عام 1926 سيارة بريطانية مشهورة
من العصر القديم . السيارة القديمة ، بالمعنى العام ، هي سيارة قديمة ، وبالمعنى
الضيق لعشاق السيارات وهواة جمعها ، فهي سيارة من الفترة من 1919 إلى 1930 . يمتلك
هؤلاء المتحمسون مخططات تصنيف لعصور السيارات التي تفرض التمييز بين السيارات العتيقة
والسيارات القديمة والسيارات الكلاسيكية وما إلى ذلك .
- نحن السلطة العالمية للمراكب المائية الفاخرة . يمتد تفانينا إلى أربعين عاما وأربعة
أجيال . نحافظ على أصالة وحرفية وجمال وقيمة الماهوجني العتيق للأجيال القادمة .
( 952 ) 495 - 0007 .
- source_sentence: ما هو شكل الاستنزاف الجغرافي
sentences:
- 'رمي في الاستنزاف والتخرج والتوقف والتسرب ، وسرعان ما يدرك المرء سبب وجود الكثير
من الجهد والبحث في عالم المثابرة والاحتفاظ . [اقرأ : " لماذا تتمتع الدورات التدريبية
عبر الإنترنت بمعدلات استبقاء منخفضة - وكيفية تعزيزها . '' ] . بغض النظر عن الجهد
والبحث المذكور ، لا يزال الالتباس قائما .'
- من ناحية أخرى ، تنتج جروح الاستنزاف عن الاحتكاك أو الاحتكاك مثل طحن الأسنان .
4 . يحدث التآكل عندما تصطدم إحدى الصخور بسطح آخر . يمكن وصف الاستنزاف بأنه شكل
من أشكال تآكل الأنهار أو الساحل حيث يتم جرف السطح بعيدا ، وهناك أيضا معنى آخر
للاستنزاف . يشير الاستنزاف أيضا إلى تخفيض عدد الموظفين في الشركات من خلال العملية
المعتادة مثل الاستقالة أو التقاعد . ملخص . 1 . يقتصر التآكل على التدمير السطحي
. الاستنزاف لا يقتصر على هذا التدمير . 2 .
- 'فيديو : نيك ستويبرل لديه أطول لسان في العالم . يشارك . يعرض Nick Stoeberl كل
لسانه المذهل البالغ طوله 10 . 1 سم لاقتناص سجله المليء باللسان . استعد لتندهش
من أطول لسان في العالم ! نيك ستويبرل البالغ من العمر 24 عاما من كاليفورنيا بالولايات
المتحدة الأمريكية لديه حقا الرقم القياسي العالمي لأطول لسان لعق .'
- source_sentence: الفرق بين حزب سياسي ومجموعة المصالح هو أن الهدف الرئيسي
sentences:
- '" الفرق بين الحزب السياسي ومجموعة المصالح هو أن الهدف الرئيسي للحزب السياسي هو
انتخاب أعضائه في مناصب سياسية . الجواب على سؤالك هو " " ب " " . أتمنى أن تكون
هذه هي الإجابة التي كنت تبحث عنها وقد ساعدتك . تعليقات . "'
- تجنب استخدام لغة نمطية أو متحيزة بأي شكل من الأشكال . غالبا ما تحدث اللغة المتحيزة
مع نوع الجنس ، ولكنها قد تسيء أيضا إلى مجموعات من الأشخاص على أساس التوجه الجنسي
أو العرق أو الاهتمام السياسي أو العرق . اللغة النمطية هي أي لغة تفترض صورة نمطية
عن مجموعة من الناس .
- ميدلتاون هي مدينة تقع في مقاطعة أورانج ، نيويورك ، الولايات المتحدة . تقع في منطقة
وادي هدسون بنيويورك ، بالقرب من نهر والكيل وسفوح جبال شاوانجونك . تقع ميدلتاون
بين بورت جيرفيس ونيوبورج ، نيويورك . اعتبارا من تعداد الولايات المتحدة لعام 2010
، كان عدد سكان المدينة 28 ، 086 ، مما يعكس زيادة قدرها 2 ، 698 من 25 ، 388 محسوبا
في تعداد عام 2000 . الرمز البريدي هو 10940 . تقع ميدلتاون في منطقة العاصمة نيويورك
.
- source_sentence: ماذا تعني كلمة الحمى القرمزية
sentences:
- الحمى القرمزية ( Scarletina ) هي حمى معدية تتميز بالتهاب الحلق واندفاع أحمر منتشر
على الجلد ، يليه تساقط الجزء السطحي من الجلد . يعد التهاب الأذنين والكلى من المضاعفات
الشائعة .
- من ويكيبيديا ، الموسوعة الحرة . سيليكون RTV ( سيليكون تقسية درجة حرارة الغرفة
) هو نوع من مطاط السيليكون مصنوع من نظام مكون من عنصرين ( قاعدة بالإضافة إلى العلاج
؛ A + B ) متوفر في نطاق صلابة من النعومة إلى المتوسطة - عادة من 15 Shore A إلى
40 Shore . من أجل أن يقوم سيليكون RTV بإعادة إنتاج نسيج السطح ، يتم الاهتمام بنظافة
الأصل . يعمل نزع الهواء بالتفريغ على إزالة فقاعات الهواء المحبوسة من خليط السيليكون
والمحفز لضمان قوة الشد المثلى ، مما يؤثر على أوقات التكاثر .
- يمكن تصنيف الحمى حسب الأعراض المصاحبة لها وسببها ونمطها . يمكن أن تكون الحمى منخفضة
الدرجة ( درجة حرارة الجسم أقل من 101 درجة فهرنهايت ) أو عالية الدرجة ( درجة الحرارة
أعلى من 104 درجة فهرنهايت ) . غالبا ما يساعد نمط الحمى في تشخيص المرض . فيما يلي
أنواع الحمى وفقا للنمط النموذجي للحمى .
model-index:
- name: SentenceTransformer based on abdoelsayed/AraDPR
results:
- task:
type: reranking
name: Reranking
dataset:
name: Unknown
type: unknown
metrics:
- type: map
value: 0.5210777953321174
name: Map
- type: mrr@10
value: 0.5216256613756614
name: Mrr@10
- type: ndcg@10
value: 0.5898436795948834
name: Ndcg@10
---
# SentenceTransformer based on abdoelsayed/AraDPR
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [abdoelsayed/AraDPR](https://huggingface.co/abdoelsayed/AraDPR) on the [raraelectr_aand_raraber_tused_dataset](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET) dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
## Model Details
### Model Description
- **Model Type:** Sentence Transformer
- **Base model:** [abdoelsayed/AraDPR](https://huggingface.co/abdoelsayed/AraDPR) <!-- at revision b5655f33f56d0d301dd6950872898bc45867807b -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 768 dimensions
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- [raraelectr_aand_raraber_tused_dataset](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET)
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### Model Sources
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
### Full Model Architecture
```
SentenceTransformer(
(0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel
(1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
)
```
## Usage
### Direct Usage (Sentence Transformers)
First install the Sentence Transformers library:
```bash
pip install -U sentence-transformers
```
Then you can load this model and run inference.
```python
from sentence_transformers import SentenceTransformer
# Download from the 🤗 Hub
model = SentenceTransformer("hatemestinbejaia/AraDPR2_initialversion0")
# Run inference
sentences = [
'ماذا تعني كلمة الحمى القرمزية',
'الحمى القرمزية ( Scarletina ) هي حمى معدية تتميز بالتهاب الحلق واندفاع أحمر منتشر على الجلد ، يليه تساقط الجزء السطحي من الجلد . يعد التهاب الأذنين والكلى من المضاعفات الشائعة .',
'يمكن تصنيف الحمى حسب الأعراض المصاحبة لها وسببها ونمطها . يمكن أن تكون الحمى منخفضة الدرجة ( درجة حرارة الجسم أقل من 101 درجة فهرنهايت ) أو عالية الدرجة ( درجة الحرارة أعلى من 104 درجة فهرنهايت ) . غالبا ما يساعد نمط الحمى في تشخيص المرض . فيما يلي أنواع الحمى وفقا للنمط النموذجي للحمى .',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
```
<!--
### Direct Usage (Transformers)
<details><summary>Click to see the direct usage in Transformers</summary>
</details>
-->
<!--
### Downstream Usage (Sentence Transformers)
You can finetune this model on your own dataset.
<details><summary>Click to expand</summary>
</details>
-->
<!--
### Out-of-Scope Use
*List how the model may foreseeably be misused and address what users ought not to do with the model.*
-->
## Evaluation
### Metrics
#### Reranking
* Evaluated with [<code>RerankingEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.RerankingEvaluator)
| Metric | Value |
|:--------|:-----------|
| **map** | **0.5211** |
| mrr@10 | 0.5216 |
| ndcg@10 | 0.5898 |
<!--
## Bias, Risks and Limitations
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
-->
<!--
### Recommendations
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
-->
## Training Details
### Training Dataset
#### raraelectr_aand_raraber_tused_dataset
* Dataset: [raraelectr_aand_raraber_tused_dataset](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET) at [41662fd](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET/tree/41662fd4d29d1cf849ca12213a7b27d69fe8fcd7)
* Size: 5,000,000 training samples
* Columns: <code>query</code>, <code>pos</code>, <code>neg</code>, and <code>label</code>
* Approximate statistics based on the first 1000 samples:
| | query | pos | neg | label |
|:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:--------------------------------------------------------------------|
| type | string | string | string | float |
| details | <ul><li>min: 5 tokens</li><li>mean: 13.93 tokens</li><li>max: 37 tokens</li></ul> | <ul><li>min: 15 tokens</li><li>mean: 124.04 tokens</li><li>max: 386 tokens</li></ul> | <ul><li>min: 21 tokens</li><li>mean: 113.55 tokens</li><li>max: 278 tokens</li></ul> | <ul><li>min: -2.88</li><li>mean: 12.91</li><li>max: 21.92</li></ul> |
* Samples:
| query | pos | neg | label |
|:------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------|
| <code>القليل من الكافيين جيد أثناء الحمل</code> | <code>نحن لا نعرف الكثير عن تأثيرات الكافيين أثناء الحمل عليك وعلى طفلك . لذلك فمن الأفضل أن تحد من المبلغ الذي تحصل عليه كل يوم . إذا كنت حاملا ، قللي من تناول الكافيين إلى 200 ملليجرام يوميا . هذا هو الكمية الموجودة في فنجان واحد سعة 8 أونصات من القهوة أو فنجان قهوة سعة 12 أونصة .</code> | <code>من الآمن عموما أن تتناول النساء الحوامل الشوكولاتة لأن الدراسات أثبتت وجود فوائد معينة لتناول الشوكولاتة أثناء الحمل . ومع ذلك ، يجب على النساء الحوامل التأكد من أن تناول الكافيين أقل من 200 مجم في اليوم .</code> | <code>4.0280589908361435</code> |
| <code>ما هي الفاكهة الأصلية في أستراليا</code> | <code>Passiflora herbertiana . فاكهة العاطفة النادرة موطنها أستراليا . الثمار ذات قشرة خضراء ، بيضاء اللون ، مع تصنيف غير معروف للأكل . تسرد بعض المصادر الفاكهة على أنها صالحة للأكل وحلوة ولذيذة ، بينما يسرد البعض الآخر الفاكهة على أنها مرة وغير صالحة للأكل . فاكهة العاطفة النادرة موطنها أستراليا . الثمار ذات قشرة خضراء ، بيضاء اللون ، مع تصنيف غير معروف للأكل . تسرد بعض المصادر الفاكهة على أنها صالحة للأكل وحلوة ولذيذة ، بينما يسرد البعض الآخر الفواكه على أنها مرة وغير صالحة للأكل .</code> | <code>جوز الكولا هو ثمرة شجرة الكولا ، وهي جنس ( كولا ) من الأشجار التي تنتمي إلى الغابات الاستوائية المطيرة في إفريقيا .</code> | <code>10.18145449956258</code> |
| <code>ما هو حجم الجيش الكندي</code> | <code>القوات المسلحة الكندية . 1 بدأت أول مهمة حفظ سلام كندية واسعة النطاق في مصر في 24 نوفمبر 1956 . 2 هناك ما يقرب من 65000 من القوات النظامية و 25000 من أفراد الاحتياط في الجيش الكندي . 3 في كندا ، تم تحديد يوم 9 أغسطس كيوم حفظة السلام الوطنيين .</code> | <code>المعهد الكندي لصحة الأطباء ( CPHI ) هو برنامج وطني تم إنشاؤه في عام 2012 كتعاون بين الجمعية الطبية الكندية ( CMA ) والمؤسسة الطبية الكندية ( CMF ) والجمعيات الطبية الإقليمية والإقليمية ( PTMAs ) .</code> | <code>16.420575777689614</code> |
* Loss: <code>__main__.MarginMSELoss</code>
### Evaluation Dataset
#### raraelectr_aand_raraber_tused_dataset
* Dataset: [raraelectr_aand_raraber_tused_dataset](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET) at [41662fd](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET/tree/41662fd4d29d1cf849ca12213a7b27d69fe8fcd7)
* Size: 10,000 evaluation samples
* Columns: <code>query</code>, <code>pos</code>, <code>neg</code>, and <code>label</code>
* Approximate statistics based on the first 1000 samples:
| | query | pos | neg | label |
|:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:--------------------------------------------------------------------|
| type | string | string | string | float |
| details | <ul><li>min: 3 tokens</li><li>mean: 13.59 tokens</li><li>max: 45 tokens</li></ul> | <ul><li>min: 26 tokens</li><li>mean: 119.29 tokens</li><li>max: 367 tokens</li></ul> | <ul><li>min: 22 tokens</li><li>mean: 111.89 tokens</li><li>max: 290 tokens</li></ul> | <ul><li>min: -0.75</li><li>mean: 13.72</li><li>max: 22.62</li></ul> |
* Samples:
| query | pos | neg | label |
|:-----------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------|
| <code>ما هو اسم د . كوين</code> | <code>اعرض الشخصيات المختلفة التي لعبها نفس الممثل . الدكتورة ميكايلا كوين . ولدت ميكايلا في 15 فبراير 1833 في بوسطن ، ماساتشوستس ، لأبوين جوزيف وإليزابيث كوين . هناك نشأت مع شقيقاتها الأربع : ماري ( التي تم تغيير اسمها إلى ريبيكا ) ، ومارجوري ، وكلوديت ، ومورين . كان والدها يريد ابنا ، لذلك عندما ولدت أطلق عليها اسم ميكايلا ( الملقب مايك ) .</code> | <code>ليس لدى د . ماكفارلاند أي تأمينات مدرجة . إذا كنت دكتور ماكفارلاند وترغب في إضافة تأمينات تقبلها ، يرجى تحديث ملفك التعريفي المجاني . الانتساب إلى المستشفى ينتمي د . ماكفارلاند إلى المستشفيات التالية .</code> | <code>15.524045944213867</code> |
| <code>من يلعب دور بيرني مادوف</code> | <code>ساحر الأكاذيب هو واحد من اثنين من مشاريع Madoff التلفزيونية قيد الإعداد . ABC لديها مسلسل قصير قادم يسمى مادوف ، من بطولة ريتشارد دريفوس وبليث دانر . قصص ذات الصلة . روبرت دي نيرو يسجل الدخول للعب بيرني مادوف في فيلم HBO المحتمل .</code> | <code>اتهمت السلطات الأمريكية مسؤول تنفيذي للمحاسبة يزعم أنه ساعد برنارد مادوف في مخطط بونزي الذي تبلغ تكلفته عدة مليارات من الدولارات ، والذي يوسع نطاق تحقيقه في الاحتيال بعد خمس سنوات من اكتشافه .</code> | <code>13.17703644434611</code> |
| <code>كم قدم مكعب في طن من حصى البازلاء</code> | <code>لذلك 1 طن لديه 2000 - 100 أو 20 قدم مكعب من الحصى . الفناء المكعب هو 3x3x3 = 27 قدما مكعبا من الفناء المكعب ، الإجابة 20 - 27 أو 0 . 74 ياردة مكعبة . العوامل الأخرى التي تؤثر على حجم الحصى هي محتوى الرطوبة ودرجات المواد . يحتوي حصى البازلاء على سبيل المثال على جميع الجزيئات ذات الحجم المحدد ، على سبيل المثال ، 1 - 4 بوصة ، حوالي 120 رطلا للإشارة فقط : 1 قدم مكعب = 6 . 25 جالون ( إمبراطوري ) ، جالون من الماء يزن 10 أرطال ، لذا فإن القدم المكعبة من الماء تزن 62 . 5 رطلا . هذا يعني أن الجاذبية النوعية للحصى هي 120 - 62 . 5 ، أو أقل قليلا من 2 .</code> | <code>1 كيس قدم مكعب واحد ( التربة والمهاد ) يغطي ما يقرب من 8 أقدام مربعة إلى عمق 3 . 2 كيس واحد 75 رطلا ( الحصى والرمل ) يغطي حوالي 4 أقدام مربعة إلى عمق 3 . 3 بوصات سميكة ستغطي حوالي 300 قدم مربع . سيغطي سمك 1 حوالي 150 قدما مربعا .</code> | <code>10.34702980518341</code> |
* Loss: <code>__main__.MarginMSELoss</code>
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: steps
- `per_device_train_batch_size`: 16
- `gradient_accumulation_steps`: 8
- `learning_rate`: 7e-05
- `warmup_ratio`: 0.07
- `fp16`: True
- `half_precision_backend`: amp
- `load_best_model_at_end`: True
- `fp16_backend`: amp
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: steps
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 16
- `per_device_eval_batch_size`: 8
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 8
- `eval_accumulation_steps`: None
- `torch_empty_cache_steps`: None
- `learning_rate`: 7e-05
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1.0
- `num_train_epochs`: 3
- `max_steps`: -1
- `lr_scheduler_type`: linear
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.07
- `warmup_steps`: 0
- `log_level`: passive
- `log_level_replica`: warning
- `log_on_each_node`: True
- `logging_nan_inf_filter`: True
- `save_safetensors`: True
- `save_on_each_node`: False
- `save_only_model`: False
- `restore_callback_states_from_checkpoint`: False
- `no_cuda`: False
- `use_cpu`: False
- `use_mps_device`: False
- `seed`: 42
- `data_seed`: None
- `jit_mode_eval`: False
- `use_ipex`: False
- `bf16`: False
- `fp16`: True
- `fp16_opt_level`: O1
- `half_precision_backend`: amp
- `bf16_full_eval`: False
- `fp16_full_eval`: False
- `tf32`: None
- `local_rank`: 0
- `ddp_backend`: None
- `tpu_num_cores`: None
- `tpu_metrics_debug`: False
- `debug`: []
- `dataloader_drop_last`: False
- `dataloader_num_workers`: 0
- `dataloader_prefetch_factor`: None
- `past_index`: -1
- `disable_tqdm`: False
- `remove_unused_columns`: True
- `label_names`: None
- `load_best_model_at_end`: True
- `ignore_data_skip`: False
- `fsdp`: []
- `fsdp_min_num_params`: 0
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
- `fsdp_transformer_layer_cls_to_wrap`: None
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
- `deepspeed`: None
- `label_smoothing_factor`: 0.0
- `optim`: adamw_torch
- `optim_args`: None
- `adafactor`: False
- `group_by_length`: False
- `length_column_name`: length
- `ddp_find_unused_parameters`: None
- `ddp_bucket_cap_mb`: None
- `ddp_broadcast_buffers`: False
- `dataloader_pin_memory`: True
- `dataloader_persistent_workers`: False
- `skip_memory_metrics`: True
- `use_legacy_prediction_loop`: False
- `push_to_hub`: False
- `resume_from_checkpoint`: None
- `hub_model_id`: None
- `hub_strategy`: every_save
- `hub_private_repo`: False
- `hub_always_push`: False
- `gradient_checkpointing`: False
- `gradient_checkpointing_kwargs`: None
- `include_inputs_for_metrics`: False
- `eval_do_concat_batches`: True
- `fp16_backend`: amp
- `push_to_hub_model_id`: None
- `push_to_hub_organization`: None
- `mp_parameters`:
- `auto_find_batch_size`: False
- `full_determinism`: False
- `torchdynamo`: None
- `ray_scope`: last
- `ddp_timeout`: 1800
- `torch_compile`: False
- `torch_compile_backend`: None
- `torch_compile_mode`: None
- `dispatch_batches`: None
- `split_batches`: None
- `include_tokens_per_second`: False
- `include_num_input_tokens_seen`: False
- `neftune_noise_alpha`: None
- `optim_target_modules`: None
- `batch_eval_metrics`: False
- `eval_on_start`: False
- `use_liger_kernel`: False
- `eval_use_gather_object`: False
- `prompts`: None
- `batch_sampler`: batch_sampler
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
| Epoch | Step | Training Loss | Validation Loss | map |
|:----------:|:---------:|:-------------:|:---------------:|:----------:|
| **1.8944** | **74000** | **0.8809** | **0.7718** | **0.5197** |
| 1.9456 | 76000 | 0.8809 | 0.7716 | 0.5140 |
| 1.9968 | 78000 | 0.8808 | 0.7713 | 0.5211 |
* The bold row denotes the saved checkpoint.
### Framework Versions
- Python: 3.10.14
- Sentence Transformers: 3.3.1
- Transformers: 4.45.1
- PyTorch: 2.4.0
- Accelerate: 0.34.2
- Datasets: 3.0.1
- Tokenizers: 0.20.0
## Citation
### BibTeX
#### Sentence Transformers
```bibtex
@inproceedings{reimers-2019-sentence-bert,
title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
author = "Reimers, Nils and Gurevych, Iryna",
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
month = "11",
year = "2019",
publisher = "Association for Computational Linguistics",
url = "https://arxiv.org/abs/1908.10084",
}
```
#### MarginMSELoss
```bibtex
@misc{hofstätter2021improving,
title={Improving Efficient Neural Ranking Models with Cross-Architecture Knowledge Distillation},
author={Sebastian Hofstätter and Sophia Althammer and Michael Schröder and Mete Sertkan and Allan Hanbury},
year={2021},
eprint={2010.02666},
archivePrefix={arXiv},
primaryClass={cs.IR}
}
```
<!--
## Glossary
*Clearly define terms in order to be accessible across audiences.*
-->
<!--
## Model Card Authors
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
-->
<!--
## Model Card Contact
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
--> |