File size: 38,255 Bytes
5a6a2ce |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 |
---
base_model: intfloat/multilingual-e5-large
language:
- multilingual
library_name: sentence-transformers
license: apache-2.0
metrics:
- cosine_accuracy
- dot_accuracy
- manhattan_accuracy
- euclidean_accuracy
- max_accuracy
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:1765
- loss:TripletLoss
widget:
- source_sentence: Hormigonado de zanjas y pozos de cimentación, con hormigón en masa,
con 20% de áridos de material reciclado de hormigones, HRM - 30 / B / 20 / XA2
con una cantidad de cemento de 350 kg/m3 i relación agua cemento =< 0.5, colocado
desde camión
sentences:
- Tubo de acero inoxidable 1.4307 (AISI 304L) con soldadura longitudinal, de 22
mm de diámetro exterior y 0,7 mm de espesor de pared, serie 1 conforme a UNE-EN
10312, conexión a presión, con nivel de dificultad elevado y instalado de forma
empotrada.
- Vertido de hormigón en zanjas y cimientos, utilizando hormigón masivo con un 20%
de áridos reciclados, tipo HRM - 30 / B / 20 / XA2, con una dosificación de cemento
de 350 kg/m3 y una relación agua-cemento menor o igual a 0.5, aplicado directamente
desde el camión.
- Colocación de paneles de yeso en interiores, utilizando yeso laminado, con un
espesor de 12.5 mm y una resistencia al fuego de tipo F30, aplicando una mezcla
de adhesivo con una proporción de agua de 0.4, instalado manualmente.
- source_sentence: Pavimento de loseta para acera gris de 20x20x4 cm, clase 1a, precio
alto, sobre soporte de 3 cm de arena, colocado a pique de maceta con mortero mixto
1:2:10 y lechada de cemento pórtland, en entorno urbano sin dificultad de movilidad,
en aceras > 5 m de ancho o calzada/plataforma única > 12 m de ancho, con afectación
por servicios o elementos de mobiliario urbano, en actuaciones de más de 10 m2
sentences:
- Losas de concreto de 60x40 cm y 8 cm de grosor, con acabado rugoso, instaladas
con mortero de cemento 1:6 y juntas selladas, en áreas urbanas con fácil acceso,
en aceras de más de 3 y hasta 5 m de ancho o en calzadas de más de 7 y hasta 12
m de ancho, sin interferencias de servicios públicos o mobiliario urbano, en proyectos
de hasta 1 m2.
- Pavimento de loseta para jardín verde de 30x30x5 cm, clase 2b, precio bajo, sobre
soporte de 5 cm de grava, colocado a nivel de césped con tierra orgánica y mezcla
de arena, en entorno rural con dificultad de acceso, en jardines < 10 m de ancho
o senderos individuales < 5 m de ancho, sin afectación por servicios o elementos
de jardinería, en actuaciones de menos de 5 m2.
- Loseta de pavimento gris de 20x20x4 cm, clase 1a, de alto costo, instalada sobre
una base de 3 cm de arena, fijada a nivel de maceta con mortero 1:2:10 y lechada
de cemento pórtland, en un área urbana con fácil acceso, en aceras de más de 5
m de ancho o plataformas de más de 12 m de ancho, considerando la interferencia
de servicios o mobiliario urbano, para proyectos que superen los 10 m2.
- source_sentence: Derivación a 90° reducida de polietileno PE 100 de fabricación
inyectada con ramal a 90° DN 110 para una unión soldadura a tope, presión nominal
PN 16 (SDR 11), fabricación según norma UNE-EN 12201-3, para una unión soldadura
a tope, soldadura a tope y colocada en el fondo de la zanja, en entorno urbano
sin dificultad de movilidad, afectación por presencia de servicios en la zanja,
sin presencia de entibación
sentences:
- Derivación a 45° de PVC tipo 1 con ramal a 45° DN 75 para una conexión mediante
pegamento, presión nominal PN 10 (SDR 13.5), fabricación según norma UNE-EN 1452-2,
para una conexión mediante pegamento, instalada en la parte superior de la estructura,
en un entorno rural con acceso restringido, sin interferencia de servicios en
la zona, con necesidad de entibación.
- Ventana de aluminio anodizado en acabado natural, con rotura de puente térmico,
instalada sobre un premarco, compuesta por tres hojas abatibles, diseñada para
un espacio de obra de aproximadamente 240x120 cm, fabricada con perfiles de alta
calidad, con una clasificación mínima de 4 en permeabilidad al aire según UNE-EN
12207, clasificación mínima 9A en estanqueidad al agua según UNE-EN 12208 y clasificación
mínima C4 en resistencia al viento según UNE-EN 12210, incluyendo caja de persiana
y guías.
- Derivación de polietileno PE 100 a 90° de fabricación inyectada, DN 110, para
unión mediante soldadura a tope, con presión nominal PN 16 (SDR 11), conforme
a la norma UNE-EN 12201-3, instalada en el fondo de la zanja en un entorno urbano,
sin complicaciones de movilidad y con servicios presentes en la zanja, sin necesidad
de entibación.
- source_sentence: Pavimento de pieza rectangular de hormigón doble capa, gris, de
10x20 cm y 8 cm de espesor, precio alto, para pavimento drenante, sobre lecho
de arena de 3 cm de espesor, compactación del pavimento y rejuntado con mortero
de cemento 1:6, en entorno urbano con dificultad de mobilidad, en aceras <= 3
m de ancho o calzada/plataforma única <= 7 m de ancho, con afectación por servicios
o elementos de mobiliario urbano, en actuaciones de hasta 1 m2
sentences:
- Colocación de losas de cimentación utilizando hormigón armado, incorporando un
20% de áridos reciclados, aditivo hidrófugo HRA - 35 / B / 20 / XC4 + XS1 + XA2,
con una dosificación de cemento de 400 kg/m3 y una relación agua-cemento menor
o igual a 0.5, vertido mediante cubilote.
- Losas de hormigón rectangular de doble capa, color gris, de dimensiones 10x20
cm y 8 cm de grosor, de alto costo, diseñadas para pavimentos permeables, colocadas
sobre una base de arena de 3 cm de grosor, con compactación del suelo y rejuntado
utilizando mortero de cemento en proporción 1:6, en un entorno urbano con movilidad
restringida, en aceras de hasta 3 m de ancho o en calzadas/plataformas de hasta
7 m de ancho, considerando la interferencia de servicios o elementos de mobiliario
urbano, en proyectos de hasta 1 m2.
- Pavimento de losa cuadrada de cerámica simple, color beige, de 30x30 cm y 1 cm
de espesor, precio bajo, para revestimiento decorativo, sobre base de grava de
5 cm de espesor, sin necesidad de compactación y sin rejuntado, en entorno rural
con fácil acceso, en jardines o patios de más de 10 m2, sin interferencias por
instalaciones o elementos de jardinería, en proyectos de más de 5 m2.
- source_sentence: Formación de junta de trabajo interior, en piezas hormigonadas
'in situ', con junta de PVC de 24 cm de ancho y de 3,5 mm de espesor
sentences:
- Instalación de paneles prefabricados, utilizando sellador de silicona de 12 cm
de ancho y 5 mm de espesor.
- Ventana de aluminio anodizado con rotura de puente térmico, instalada sobre un
premarco, con una hoja oscilobatiente, diseñada para un hueco de obra de aproximadamente
90x120 cm, fabricada con perfiles de alta calidad, cumpliendo con la clasificación
mínima 4 de permeabilidad al aire según UNE-EN 12207, clasificación mínima 9A
de estanqueidad al agua según UNE-EN 12208 y clasificación mínima C5 de resistencia
al viento según UNE-EN 12210, incluyendo caja de persiana y guías.
- Instalación de juntas de trabajo internas en elementos de hormigón vertido 'in
situ', utilizando juntas de PVC de 24 cm de ancho y 3,5 mm de grosor.
model-index:
- name: Multilingual E5 Large trained with triplet loss
results:
- task:
type: triplet
name: Triplet
dataset:
name: validation set
type: validation-set
metrics:
- type: cosine_accuracy
value: 0.9715909090909091
name: Cosine Accuracy
- type: dot_accuracy
value: 0.028409090909090908
name: Dot Accuracy
- type: manhattan_accuracy
value: 0.9715909090909091
name: Manhattan Accuracy
- type: euclidean_accuracy
value: 0.9715909090909091
name: Euclidean Accuracy
- type: max_accuracy
value: 0.9715909090909091
name: Max Accuracy
- task:
type: triplet
name: Triplet
dataset:
name: test set
type: test-set
metrics:
- type: cosine_accuracy
value: 0.9943502824858758
name: Cosine Accuracy
- type: dot_accuracy
value: 0.005649717514124294
name: Dot Accuracy
- type: manhattan_accuracy
value: 0.9943502824858758
name: Manhattan Accuracy
- type: euclidean_accuracy
value: 0.9943502824858758
name: Euclidean Accuracy
- type: max_accuracy
value: 0.9943502824858758
name: Max Accuracy
---
# Multilingual E5 Large trained with triplet loss
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large) on the csv dataset. It maps sentences & paragraphs to a 1024-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:** [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large) <!-- at revision ab10c1a7f42e74530fe7ae5be82e6d4f11a719eb -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 1024 tokens
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- csv
- **Language:** multilingual
- **License:** apache-2.0
### 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: XLMRobertaModel
(1): Pooling({'word_embedding_dimension': 1024, '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})
(2): Normalize()
)
```
## 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("RamsesDIIP/me5-large-construction")
# Run inference
sentences = [
"Formación de junta de trabajo interior, en piezas hormigonadas 'in situ', con junta de PVC de 24 cm de ancho y de 3,5 mm de espesor",
"Instalación de juntas de trabajo internas en elementos de hormigón vertido 'in situ', utilizando juntas de PVC de 24 cm de ancho y 3,5 mm de grosor.",
'Instalación de paneles prefabricados, utilizando sellador de silicona de 12 cm de ancho y 5 mm de espesor.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]
# 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
#### Triplet
* Dataset: `validation-set`
* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
| Metric | Value |
|:-------------------|:-----------|
| cosine_accuracy | 0.9716 |
| dot_accuracy | 0.0284 |
| manhattan_accuracy | 0.9716 |
| euclidean_accuracy | 0.9716 |
| **max_accuracy** | **0.9716** |
#### Triplet
* Dataset: `test-set`
* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
| Metric | Value |
|:-------------------|:-----------|
| cosine_accuracy | 0.9944 |
| dot_accuracy | 0.0056 |
| manhattan_accuracy | 0.9944 |
| euclidean_accuracy | 0.9944 |
| **max_accuracy** | **0.9944** |
<!--
## 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
#### csv
* Dataset: csv
* Size: 1,765 training samples
* Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code>
* Approximate statistics based on the first 1000 samples:
| | anchor | positive | negative |
|:--------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
| type | string | string | string |
| details | <ul><li>min: 13 tokens</li><li>mean: 105.38 tokens</li><li>max: 317 tokens</li></ul> | <ul><li>min: 14 tokens</li><li>mean: 101.15 tokens</li><li>max: 282 tokens</li></ul> | <ul><li>min: 14 tokens</li><li>mean: 85.69 tokens</li><li>max: 265 tokens</li></ul> |
* Samples:
| anchor | positive | negative |
|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>Placas nervadas tipo pi o doble t de hormigón armado, de 35 cm de altura y 120 a 140 cm de anchura, con junta lateral abierta inferiormente, de 205 a 220 kN·m de momento flector último por m de ancho, para una luz máxima de 12 m, para forjado con capa de compresión mínima de 10 cm, colocadas sobre estructura</code> | <code>Placas de hormigón armado tipo pi o doble t, con dimensiones de 35 cm de altura y entre 120 y 140 cm de ancho, diseñadas con junta lateral abierta en la parte inferior, capaces de soportar un momento flector último de 205 a 220 kN·m por metro de ancho, adecuadas para luces de hasta 12 m y con un forjado que incluya una capa de compresión mínima de 10 cm, instaladas sobre una estructura.</code> | <code>Placas de yeso laminado de 35 cm de altura y 120 a 140 cm de anchura, con junta lateral cerrada, para una luz máxima de 12 m, para tabiques con aislamiento acústico de 10 cm, colocadas sobre estructura.</code> |
| <code>Puerta cortafuegos de una hoja corredera de acero galvanizado, EI2-C 60, para un hueco de obra de más de 12 m2, colocada</code> | <code>Puerta cortafuegos de una sola hoja deslizante de acero galvanizado, clasificación EI2-C 60, instalada en un espacio de obra superior a 12 m2.</code> | <code>Puerta de acceso principal de madera maciza, sin clasificación de resistencia al fuego, para un espacio de almacenamiento de menos de 10 m2, instalada.</code> |
| <code>Pavimento de mezcla bituminosa continua en caliente tipo AC 32 bin B 50/70 S, con betún asfáltico de penetración, de granulometría semidensa para capa intermedia y árido calcáreo, extendida y compactada, en entorno urbano sin dificultad de movilidad, en aceras > 3 y <= 5 m de ancho o calzada/plataforma única > 7 y <= 12 m de ancho, con afectación por servicios o elementos de mobiliario urbano, en actuaciones de hasta 1 m2</code> | <code>Pavimento de asfalto continuo en caliente tipo AC 32 bin B 50/70 S, utilizando betún asfáltico de penetración y granulometría semidensa para la capa intermedia, con árido calcáreo, aplicado y compactado en áreas urbanas con buena accesibilidad, en aceras de más de 3 y hasta 5 m de ancho o calzadas/plataformas únicas de más de 7 y hasta 12 m de ancho, considerando la interferencia de servicios o mobiliario urbano, en proyectos de hasta 1 m2.</code> | <code>Pavimento de hormigón armado con aditivos especiales para mejorar la resistencia a la compresión, diseñado para áreas industriales con tráfico pesado, en losas de más de 10 m de ancho, sin restricciones de acceso, en proyectos de más de 50 m2.</code> |
* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
```json
{
"distance_metric": "TripletDistanceMetric.EUCLIDEAN",
"triplet_margin": 5
}
```
### Evaluation Dataset
#### csv
* Dataset: csv
* Size: 1,765 evaluation samples
* Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code>
* Approximate statistics based on the first 1000 samples:
| | anchor | positive | negative |
|:--------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
| type | string | string | string |
| details | <ul><li>min: 26 tokens</li><li>mean: 106.52 tokens</li><li>max: 298 tokens</li></ul> | <ul><li>min: 31 tokens</li><li>mean: 103.53 tokens</li><li>max: 254 tokens</li></ul> | <ul><li>min: 25 tokens</li><li>mean: 87.43 tokens</li><li>max: 247 tokens</li></ul> |
* Samples:
| anchor | positive | negative |
|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>Perforación de pantalla en terreno blando, de 45 cm de espesor con lodo tixotrópico y hormigonado con hormigón HA-35/L / 10 / IIa de consistencia líquida, tamaño máximo del árido 10 mm, con >= 375 kg/m3 de cemento, aditivo hidrófugo/superplastificante, apto para clase de exposición IIa, con el equipo de lodos incluido</code> | <code>Perforación de pantalla en suelo blando de 45 cm de grosor, utilizando lodo tixotrópico y hormigón HA-35/L / 10 / IIa de consistencia fluida, con un tamaño máximo de árido de 10 mm, conteniendo al menos 375 kg/m3 de cemento, aditivo hidrófugo y superplastificante, adecuado para la clase de exposición IIa, incluyendo el equipo de lodos necesario.</code> | <code>Instalación de paneles solares en terreno duro, con una base de 60 cm de espesor y utilizando cemento convencional, sin aditivos especiales, apto para condiciones climáticas extremas, con un equipo de montaje estándar.</code> |
| <code>Falso techo de lamas de aluminio prelacado, con canto circular con pestaña, de 185 mm de anchura y 16 mm de altura, color estándar, con la superficie perforada, montadas en posición horizontal, separadas 15 mm, fijadas a presión sobre estructura de perfiles omega con troquel para fijación clipada de acero galvanizado, con perfil de refuerzo, separados <= 1.5 m, colgados con supensión autoniveladora de barra roscada, separadas <= 1.2 m, fijadas mecánicamente al forjado</code> | <code>Techo falso de paneles de aluminio prelacado, con borde redondeado y pestaña, de 185 mm de ancho y 16 mm de alto, en color estándar, con perforaciones en la superficie, instalados horizontalmente, con una separación de 15 mm, asegurados a presión sobre una estructura de perfiles omega con troqueles para fijación clipada de acero galvanizado, reforzados con perfiles, separados a un máximo de 1.5 m, suspendidos con un sistema autonivelador de barra roscada, separados a un máximo de 1.2 m, fijados mecánicamente al forjado.</code> | <code>Techo acústico de paneles de yeso laminado, con borde recto, de 120 mm de ancho y 12 mm de grosor, acabado en pintura mate, con superficie lisa, instalados en posición vertical, separados 20 mm, fijados con adhesivo sobre estructura de perfiles en U, con refuerzo de madera, separados <= 2 m, suspendidos con cables ajustables, separados <= 1.5 m, fijados a la pared.</code> |
| <code>Canalización con uno tubo curvable corrugado de polietileno de 110 mm de diámetro nominal, de doble capa, y dado de recubrimiento de 40x30 cm con hormigón de uso no estructural HNE-20/P/20 de resistencia a compresión 20 N/mm2, consistencia plástica y tamaño máximo del árido 20 mm, cuerda guía en cada tubo, parte proporcional de accesorios de unión, separadores y obturadores, en entorno urbano sin dificultad de movilidad, en aceras > 5 m de ancho o calzada/plataforma única > 12 m de ancho, sin afectación por servicios o elementos de mobiliario urbano, en actuaciones de hasta 1 m</code> | <code>Instalación de un sistema de canalización utilizando un tubo flexible corrugado de polietileno de 110 mm de diámetro nominal, con doble capa, y recubierto con hormigón no estructural HNE-20/P/20 de resistencia a compresión de 20 N/mm2, consistencia plástica y un tamaño máximo de árido de 20 mm, incluyendo cuerda guía en cada tubo, así como la proporción adecuada de accesorios de unión, separadores y obturadores, en un entorno urbano con fácil acceso, en aceras de más de 5 m de ancho o calzadas/plataformas de más de 12 m de ancho, sin interferencias de servicios o elementos de mobiliario urbano, en proyectos de hasta 1 m de profundidad.</code> | <code>Instalación de un sistema de drenaje con tuberías de PVC rígido de 75 mm de diámetro, de una sola capa, y revestimiento de 30x20 cm con asfalto de alta resistencia, diseñado para soportar cargas estructurales, con una resistencia a compresión de 30 N/mm2, consistencia seca y tamaño máximo del árido de 10 mm, sin cuerda guía, incluyendo una cantidad adecuada de conectores, soportes y tapas, en un entorno rural con acceso limitado, en caminos de tierra de menos de 3 m de ancho, con interferencias por servicios públicos y elementos de paisajismo, en proyectos de más de 2 m.</code> |
* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
```json
{
"distance_metric": "TripletDistanceMetric.EUCLIDEAN",
"triplet_margin": 5
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: steps
- `per_device_train_batch_size`: 4
- `per_device_eval_batch_size`: 4
- `learning_rate`: 2e-05
- `warmup_ratio`: 0.1
- `fp16`: True
- `batch_sampler`: no_duplicates
#### 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`: 4
- `per_device_eval_batch_size`: 4
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 1
- `eval_accumulation_steps`: None
- `torch_empty_cache_steps`: None
- `learning_rate`: 2e-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`: 0.1
- `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`: auto
- `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`: False
- `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`: auto
- `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
- `eval_use_gather_object`: False
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
| Epoch | Step | Training Loss | Validation Loss | validation-set_max_accuracy | test-set_max_accuracy |
|:------:|:----:|:-------------:|:---------------:|:---------------------------:|:---------------------:|
| 0 | 0 | - | - | 0.9830 | - |
| 0.2833 | 100 | 4.4372 | 3.6833 | 1.0 | - |
| 0.5666 | 200 | 3.724 | 3.4490 | 0.9943 | - |
| 0.8499 | 300 | 3.5575 | 3.5777 | 0.9886 | - |
| 1.1331 | 400 | 3.4996 | 3.4224 | 0.9773 | - |
| 1.4164 | 500 | 3.4846 | 3.3883 | 0.9943 | - |
| 1.6997 | 600 | 3.4126 | 3.4181 | 0.9886 | - |
| 1.9830 | 700 | 3.3225 | 3.3863 | 0.9773 | - |
| 2.2663 | 800 | 3.3446 | 3.3971 | 0.9716 | - |
| 2.5496 | 900 | 3.3351 | 3.3816 | 0.9773 | - |
| 2.8329 | 1000 | 3.2597 | 3.3936 | 0.9716 | - |
| 3.0 | 1059 | - | - | - | 0.9944 |
### Framework Versions
- Python: 3.10.12
- Sentence Transformers: 3.2.0
- Transformers: 4.44.2
- PyTorch: 2.4.1+cu121
- Accelerate: 0.34.2
- Datasets: 3.0.1
- Tokenizers: 0.19.1
## 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",
}
```
#### TripletLoss
```bibtex
@misc{hermans2017defense,
title={In Defense of the Triplet Loss for Person Re-Identification},
author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
year={2017},
eprint={1703.07737},
archivePrefix={arXiv},
primaryClass={cs.CV}
}
```
<!--
## 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.*
--> |