|
--- |
|
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.* |
|
--> |
