File size: 35,384 Bytes
edca060 |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 |
---
base_model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
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: أين تم تصوير مسلسل حديقة الحيوان
sentences:
- تم توجيه فيديو Come Undone بواسطة Julien Temple . تم تصوير لقطات للفرقة في حوض
السمك في حديقة حيوان لندن . كانت تتخللها صور قصيرة لأشخاص يتراجعون بطرق مختلفة
.
- First Lido Condominium هو مجتمع جميل يقع في الطرف الجنوبي ، مباشرة على الشاطئ
الأصلي ليدو كي في ساراسوتا ، فلوريدا . كان مجمع الوحدات السكنية ، الواقع في 1900
Ben Franklin Drive ، أول مجمع سكني تم بناؤه على شاطئ Lido في عام 1967 . يتمتع
First Lido بإطلالات واسعة على خليج المكسيك ، وغروب الشمس الخلاب ورمال السكر البيضاء
. يوفر First Lido جوا ودودا مريحا ومسبحا ساخنا يتم تدفئته على مدار العام وموظفي
الصيانة في الموقع وخدمة الإنترنت اللاسلكي . .
- امرأة تغمى على مجموعة من . CBS New Series ' Zoo ' الآن تصوير وتوظيف . مسلسل تلفزيوني
جديد على شبكة سي بي اس Zoo يصور الآن في نيو أورلينز ، لويزيانا . وفقا ل Deadline
، تعمل شبكة سي بي إس على مسلسل تلفزيوني جديد مبني على فيلم جيمس باترسون الأكثر
مبيعا في العالم . تتمحور حديقة الحيوانات حول عالم شاب منشق مجبر على حل اللغز وراء
سلسلة الهجمات العنيفة الأخيرة على الحيوانات التي تجتاح الكوكب .
- source_sentence: ما هو صافي ثروة فانا وايت ؟
sentences:
- قصف هيروشيما وناجازاكي . في 6 أغسطس 1945 ، أسقطت الولايات المتحدة قنبلة ذرية (
ليتل بوي ) على هيروشيما في اليابان . بعد ثلاثة أيام ، ألقيت قنبلة ذرية ثانية (
فات مان ) على مدينة ناغازاكي ، وكانت هذه هي المرات الوحيدة التي استخدمت فيها الأسلحة
النووية في الحرب ، وأسباب القصف ، وقصف هيروشيما وناجازاكي . في 6 أغسطس 1945 ،
أسقطت الولايات المتحدة قنبلة ذرية ( ليتل بوي ) على هيروشيما في اليابان . بعد ثلاثة
أيام ، أسقطت قنبلة ذرية ثانية ( فات مان ) على مدينة ناغازاكي . كانت هذه هي المرات
الوحيدة التي استخدمت فيها الأسلحة النووية في الحرب . أسباب القصف .
- تقدر ثروة فانا ماري روزيش المولودة ب 15 مليون دولار . روزيش ، المعروفة شعبيا باسم
فانا وايت ، هي شخصية تلفزيونية أمريكية وممثلة سينمائية اشتهرت باسم مضيفة Wheel
of Fortune منذ عام 1982 . وقد كسبت White ثروتها بصفتها مضيفة Wheel of Fortune
منذ عام 1982 حتى الآن . ارتفعت شهرة White ؟ ؟ يعود تاريخها عندما ظهرت النسخة المجمعة
من Wheel of Fortune لأول مرة في سبتمبر 1983 .
- بولا وايت نت وورث ولدت بولا ميشيل فور في 20 أبريل 1966 ، في توبيلو ، ميسيسيبي
بالولايات المتحدة الأمريكية ، وكما تعرف باولا وايت بأنها عازفة تلفزيونية مسيحية
ومشهورة تلفزيونية ومؤسس مشارك ل اقرأ المزيد ؟ ؟
- source_sentence: أين ولد ه ب أبيض
sentences:
- بولا وايت نت وورث ولدت بولا ميشيل فور في 20 أبريل 1966 ، في توبيلو ، ميسيسيبي
بالولايات المتحدة الأمريكية ، وكما تعرف باولا وايت بأنها عازفة تلفزيونية مسيحية
ومشهورة تلفزيونية ومؤسس مشارك ل اقرأ المزيد ؟ ؟
- الكاتب | الممثل . إ . ب . ولد وايت في 11 يوليو 1899 في ماونت فيرنون ، نيويورك
، الولايات المتحدة الأمريكية باسم إلوين بروكس وايت . كان كاتبا وممثلا ، اشتهر
ب Stuart Little ( 1999 ) ، Stuart Little 2 ( 2002 ) و Charlotte ' s Web ( 2006
) . كان متزوجا من كاثرين الرقيب أنجيل . توفي في 1 أكتوبر 1985 في نورث بروكلين
، مين ، الولايات المتحدة الأمريكية .
- 'اذهب إلى : نظرة عامة ( 3 ) | ميني بيو ( 1 ) | الزوج ( 4 ) | التوافه ( 33 ) |
اقتباسات شخصية ( 2 ) ولد غلين كامبل في 22 أبريل 1936 في ديلايت ، أركنساس ، الولايات
المتحدة الأمريكية باسم جلين ترافيس كامبل . وهو متزوج من كيم كامبل منذ 25 أكتوبر
1982 . ولهما ثلاثة أطفال . كان متزوجا سابقا من سارة ديفيس وبيلي جان نونلي وديان
كيرك .'
- source_sentence: كيف كان الاتحاد السوفياتي قادرا على تطوير القنبلة الذرية
sentences:
- تختلف الإجابة حسب مصدر اللحوم ووزن وصحة الشخص ومقدار التمارين التي يمارسها والجنس
وما إلى ذلك . ومع ذلك ، يجب أن يأكل الشخص البالغ ما بين 5 و 6 أونصات من اللحوم
عالية الجودة أو البروتين يوميا ، وتختلف الإجابة حسب مصدر اللحوم ووزن وصحة الشخص
ومقدار التمارين التي يمارسها والجنس وهكذا دواليك . ومع ذلك ، يجب أن يأكل الشخص
البالغ العادي ما بين 5 و 6 أونصات من اللحوم عالية الجودة أو البروتين يوميا .
- بعد أربعة أيام من اختتام المؤتمر ، ألقت الولايات المتحدة قنبلة ذرية على هيروشيما
في اليابان ؛ في 9 أغسطس ، تم إلقاء قنبلة أخرى على ناغازاكي . انتهت الحرب العالمية
الثانية رسميا في 14 أغسطس 1945 .
- 'المشروع السوفياتي لتطوير قنبلة ذرية ( الروسية : '' '' · '' '' '' كان برنامج بحث
وتطوير سري للغاية بدأ خلال الحرب العالمية الثانية ، في في أعقاب اكتشاف الاتحاد
السوفيتي للمشروع النووي الأمريكي والبريطاني والكندي ، سارع السوفييت بالبرنامج
بعد القصفين الذريين الأمريكيين لهيروشيما وناجازاكي . تم تكليف المشروع الذري السوفيتي
بجمع المعلومات الاستخبارية حول مشروع الطاقة النووية الألماني وكذلك الجهود النووية
الأمريكية .'
- source_sentence: ماونت بيكر نشط
sentences:
- 'تم تعديل خريطة هيئة المسح الجيولوجي الأمريكية هذه من : Hyde and Crandell ، 1978
، USGS Professional Paper 1022 - C وتظهر لقطة مقربة لجبل بيكر وضواحيها ، بما في
ذلك أنهار Nooksack و Skagit و Baker . تأثر نهر بيكر في أسفل اليمين بشدة بانفجار
جبل بيكر عام 1792 .'
- تمتلك Mount Baker ثاني أكثر فوهة بركانية نشاطا حراريا في سلسلة Cascade Range بعد
Mount Saint Helens . يقع جبل بيكر على بعد حوالي 31 ميلا ( 50 كم ) شرق مدينة بيلينجهام
، مقاطعة واتكوم ، وهو أصغر بركان في حقل جبل بيكر البركاني . وإلى الجنوب من سياتل
( وفي الأيام الصافية تاكوما ) بواشنطن . عرف السكان الأصليون الجبل منذ آلاف السنين
، لكن أول سجل مكتوب للجبل هو من الإسبانية .
- 'وجد أيضا في : القاموس ، قاموس المرادفات ، الاصطلاحات ، الموسوعة ، ويكيبيديا .
تفاصيل . تفاصيل مطالبة أو عناصر منفصلة للحساب . عندما يتم تفصيلها في شكل منظم
لغرض إبلاغ المدعى عليه ، فإن البيان يسمى فاتورة التفاصيل .'
model-index:
- name: SentenceTransformer based on sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
results:
- task:
type: reranking
name: Reranking
dataset:
name: Unknown
type: unknown
metrics:
- type: map
value: 0.4939612448238314
name: Map
- type: mrr@10
value: 0.4974748677248678
name: Mrr@10
- type: ndcg@10
value: 0.5684259786265878
name: Ndcg@10
---
# SentenceTransformer based on sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2) on the [raraelectr_aand_raraber_tused_dataset](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET) dataset. It maps sentences & paragraphs to a 384-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:** [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2) <!-- at revision 8d6b950845285729817bf8e1af1861502c2fed0c -->
- **Maximum Sequence Length:** 128 tokens
- **Output Dimensionality:** 384 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': 128, 'do_lower_case': False}) with Transformer model: BertModel
(1): Pooling({'word_embedding_dimension': 384, '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/mMiniLML12v2DPR_initialversion00")
# Run inference
sentences = [
'ماونت بيكر نشط',
'تمتلك Mount Baker ثاني أكثر فوهة بركانية نشاطا حراريا في سلسلة Cascade Range بعد Mount Saint Helens . يقع جبل بيكر على بعد حوالي 31 ميلا ( 50 كم ) شرق مدينة بيلينجهام ، مقاطعة واتكوم ، وهو أصغر بركان في حقل جبل بيكر البركاني . وإلى الجنوب من سياتل ( وفي الأيام الصافية تاكوما ) بواشنطن . عرف السكان الأصليون الجبل منذ آلاف السنين ، لكن أول سجل مكتوب للجبل هو من الإسبانية .',
'تم تعديل خريطة هيئة المسح الجيولوجي الأمريكية هذه من : Hyde and Crandell ، 1978 ، USGS Professional Paper 1022 - C وتظهر لقطة مقربة لجبل بيكر وضواحيها ، بما في ذلك أنهار Nooksack و Skagit و Baker . تأثر نهر بيكر في أسفل اليمين بشدة بانفجار جبل بيكر عام 1792 .',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]
# 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** | **0.494** |
| mrr@10 | 0.4975 |
| ndcg@10 | 0.5684 |
<!--
## 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 [bd59dbf](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET/tree/bd59dbf2e3a647946de60e66bce73c038c6f84d7)
* 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: 4 tokens</li><li>mean: 11.14 tokens</li><li>max: 29 tokens</li></ul> | <ul><li>min: 13 tokens</li><li>mean: 93.26 tokens</li><li>max: 128 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 87.26 tokens</li><li>max: 128 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 [bd59dbf](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET/tree/bd59dbf2e3a647946de60e66bce73c038c6f84d7)
* 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: 10.94 tokens</li><li>max: 33 tokens</li></ul> | <ul><li>min: 23 tokens</li><li>mean: 91.74 tokens</li><li>max: 128 tokens</li></ul> | <ul><li>min: 24 tokens</li><li>mean: 87.33 tokens</li><li>max: 128 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 |
|:------:|:------:|:-------------:|:---------------:|:------:|
| 2.7136 | 106000 | 0.8797 | 0.7692 | 0.5074 |
| 2.7648 | 108000 | 0.8797 | 0.7692 | 0.5055 |
| 2.8160 | 110000 | 0.8797 | 0.7691 | 0.5013 |
| 2.8672 | 112000 | 0.8797 | 0.7691 | 0.4928 |
| 2.9184 | 114000 | 0.8797 | 0.7691 | 0.4962 |
| 2.9696 | 116000 | 0.8796 | 0.7691 | 0.4940 |
### 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.*
--> |