|
--- |
|
base_model: aubmindlab/araelectra-base-discriminator |
|
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: ما هي الدرجة المطلوبة ليكون طبيب نفساني للأطفال |
|
sentences: |
|
- بعد الانتهاء من درجة البكالوريوس ، يطلب من الأطباء النفسيين للأطفال إكمال كلية |
|
الطب لمدة 4 سنوات ( درجة MD أو DO ) قبل متابعة تدريب الإقامة . يتكون هذا عادة |
|
من ثلاث سنوات من الطب النفسي العام تليها سنتان من التدريب المخصص للطب النفسي للأطفال |
|
. لكي تصبح طبيبا نفسيا للأطفال ، تتطلب العديد من البرامج أن تحصل على درجة جامعية |
|
في علم النفس ، على الرغم من أن بعض برامج الدراسات العليا تتطلب فقط أن تأخذ الشرط |
|
الأساسي دورات العلوم ( الأحياء ، والعلوم الفيزيائية والاجتماعية ، والإحصاء ، والرياضيات |
|
، وما إلى ذلك ) قبل التقدم للحصول على درجة الدراسات العليا . |
|
- التعليم مطلوب ليصبح عالم أرصاد جوية . لكي تصبح خبيرا في الأرصاد الجوية ، يجب أن |
|
تحصل على درجة جامعية في علم الأرصاد الجوية أو علوم الغلاف الجوي ، أو شهادة في |
|
الرياضيات أو العلوم الفيزيائية أو الهندسة مدعومة بدورات في علم الأرصاد الجوية |
|
. |
|
- تعريف . تحدث عدوى المكورات العنقودية بسبب بكتيريا المكورات العنقودية ، وهي أنواع |
|
من الجراثيم توجد عادة على الجلد أو في أنف الأفراد الأصحاء ، وفي معظم الأحيان لا |
|
تسبب هذه البكتيريا أي مشاكل أو تؤدي إلى التهابات جلدية طفيفة نسبيا . تحدث عدوى |
|
المكورات العنقودية بسبب بكتيريا المكورات العنقودية ، وهي أنواع من الجراثيم توجد |
|
عادة على الجلد أو في أنف الأفراد الأصحاء . |
|
- source_sentence: تعريف المنحنيات الثانوية |
|
sentences: |
|
- 'تقدم هذه الصفحة جميع المعاني والترجمات الممكنة لكلمة الخلافة الثانوية . Freebase |
|
( 0 . 00 - 0 votes ) قيم هذا التعريف : التعاقب الثانوي هو أحد نوعي التعاقب البيئي |
|
للحياة النباتية .' |
|
- التعريف - ماذا يعني التوهين ؟ التوهين هو مصطلح في الاتصالات يشير إلى انخفاض في |
|
قوة الإشارة يحدث عادة أثناء إرسال الإشارات التناظرية أو الرقمية عبر مسافات طويلة |
|
. يقاس التوهين تاريخيا بالديسيبل ولكن يمكن قياسه أيضا من حيث الجهد . |
|
- 'الانحناءات الثانوية للعمود الفقري . الانحناءات الثانوية للعمود الفقري . المنحنيات |
|
المحدبة بطنيا للعمود الفقري التي تتطور بعد الولادة في منطقتي عنق الرحم والقطني |
|
: اللوردس العنقي والقطني .' |
|
- source_sentence: ما هو مرض الانسداد الرئوي المزمن ؟ |
|
sentences: |
|
- أظهرت الدراسة بأثر رجعي عدم وجود فرق كبير في التحسن في تحمل التمرين أو QOL بعد |
|
إعادة التأهيل الرئوي في مرض الانسداد الرئوي المزمن مقابل مرضى الانسداد الرئوي |
|
المزمن . لذلك ، فإن إعادة التأهيل الرئوي فعالة للمرضى ذوي الإعاقة بسبب أي مرض |
|
تنفسي مزمن ، وليس فقط مرض الانسداد الرئوي المزمن . |
|
- التفاقم الحاد لمرض الانسداد الرئوي المزمن . التفاقم الحاد لمرض الانسداد الرئوي |
|
المزمن المعروف أيضا باسم التفاقم الحاد لالتهاب الشعب الهوائية المزمن ( AECB ) |
|
هو تفاقم مفاجئ لأعراض مرض الانسداد الرئوي المزمن ( ضيق التنفس وكمية ولون البلغم |
|
) والذي يستمر عادة لعدة أيام . قد يحدث بسبب عدوى بكتيريا أو فيروسات أو عن طريق |
|
ملوثات بيئية . |
|
- هناك اختلافات رئيسية بين طريقة تصميم Shingrix و Zostavax . يحتوي لقاح الهربس النطاقي |
|
الجديد على مادة مساعدة ، وهي مادة تعزز استجابة الجهاز المناعي . قد يكون هذا هو |
|
ما يجعل Shingrix أكثر فاعلية وطويلة الأمد ، كما يقول شافنر من فاندربيلت . |
|
- source_sentence: تعريف المزواة |
|
sentences: |
|
- إجمالي المحطات . تعد المحطات الإجمالية واحدة من أكثر أدوات المسح شيوعا المستخدمة |
|
اليوم . وهي تتألف من جهاز ثيودوليت إلكتروني ومكون إلكتروني لقياس المسافة ( EDM |
|
) . تتوفر أيضا محطات روبوتية كاملة تتيح التشغيل لشخص واحد من خلال التحكم في الجهاز |
|
باستخدام جهاز التحكم عن بعد . تاريخ |
|
- '" تعريف " " المزواة " " . تردد الكلمات . المزواة ( اسم . أداة مسح لقياس الزوايا |
|
الأفقية والرأسية ، وتتكون من تلسكوب صغير مثبت على حامل ثلاثي القوائم ، وهو مجاني |
|
الحركة في المستويين الأفقي والعمودي . "' |
|
- 'يمكن أن يحدث كسوف الشمس فقط خلال القمر الجديد ، عندما يتحرك القمر بين الأرض والشمس |
|
وتشكل الأجرام السماوية الثلاثة خطا مستقيما : الأرض والقمر والشمس . هناك ثلاثة |
|
أنواع من كسوف الشمس : الكلي ، الجزئي ، الحلقي . هناك أيضا هجين نادر هو مزيج من |
|
خسوفين .' |
|
- source_sentence: ما هو سماد المرحاض |
|
sentences: |
|
- 'توقعات مفصلة لكل ساعة . 1 0 صباحا : توقعات هاولي ، بنسلفانيا ليوم 11 أبريل هي |
|
59 درجة وضباب . هناك فرصة بنسبة 58 بالمائة لسقوط أمطار ورياح 6 ميل في الساعة من |
|
الجنوب الغربي . 2 3 صباحا : توقعات مدينة هاولي ، بنسلفانيا ليوم 11 أبريل هي 55 |
|
درجة وضبابية . هناك فرصة 60 بالمائة لسقوط أمطار ورياح 5 ميل في الساعة من الجنوب |
|
الغربي .' |
|
- مرحاض السماد هو نوع من المراحيض الجافة التي تستخدم نظام معالجة هوائيا في الغالب |
|
لمعالجة الفضلات البشرية ، عن طريق التسميد أو التحلل الهوائي المدار . تستخدم هذه |
|
المراحيض عموما القليل من الماء أو لا تستخدم على الإطلاق ويمكن استخدامها كبديل |
|
لمراحيض الشطف . |
|
- اتصل بي مالك العقار بخصوص مشكلة تتعلق بالمرحاض ، ولم يعمل أي من المكبس أو مثقاب |
|
المرحاض ، وسحبت المرحاض لأجد لعبة كرة مطاطية تسد المرحاض . عمل المالك والمستأجر |
|
على ذلك وقام المستأجر بدفع الفاتورة . |
|
model-index: |
|
- name: SentenceTransformer based on aubmindlab/araelectra-base-discriminator |
|
results: |
|
- task: |
|
type: reranking |
|
name: Reranking |
|
dataset: |
|
name: Unknown |
|
type: unknown |
|
metrics: |
|
- type: map |
|
value: 0.5517515590495886 |
|
name: Map |
|
- type: mrr@10 |
|
value: 0.5556388888888889 |
|
name: Mrr@10 |
|
- type: ndcg@10 |
|
value: 0.6213073971291052 |
|
name: Ndcg@10 |
|
--- |
|
|
|
# SentenceTransformer based on aubmindlab/araelectra-base-discriminator |
|
|
|
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [aubmindlab/araelectra-base-discriminator](https://huggingface.co/aubmindlab/araelectra-base-discriminator) 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:** [aubmindlab/araelectra-base-discriminator](https://huggingface.co/aubmindlab/araelectra-base-discriminator) <!-- at revision aaa9fba5575bd531d45cec3eccf24b755e0dccca --> |
|
- **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: ElectraModel |
|
(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/KDAraELECTRADPR_initialversion0") |
|
# Run inference |
|
sentences = [ |
|
'ما هو سماد المرحاض', |
|
'مرحاض السماد هو نوع من المراحيض الجافة التي تستخدم نظام معالجة هوائيا في الغالب لمعالجة الفضلات البشرية ، عن طريق التسميد أو التحلل الهوائي المدار . تستخدم هذه المراحيض عموما القليل من الماء أو لا تستخدم على الإطلاق ويمكن استخدامها كبديل لمراحيض الشطف .', |
|
'اتصل بي مالك العقار بخصوص مشكلة تتعلق بالمرحاض ، ولم يعمل أي من المكبس أو مثقاب المرحاض ، وسحبت المرحاض لأجد لعبة كرة مطاطية تسد المرحاض . عمل المالك والمستأجر على ذلك وقام المستأجر بدفع الفاتورة .', |
|
] |
|
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** | **0.5518** | |
|
| mrr@10 | 0.5556 | |
|
| ndcg@10 | 0.6213 | |
|
|
|
<!-- |
|
## 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: 4 tokens</li><li>mean: 8.89 tokens</li><li>max: 23 tokens</li></ul> | <ul><li>min: 11 tokens</li><li>mean: 77.44 tokens</li><li>max: 221 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 69.83 tokens</li><li>max: 184 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: 8.69 tokens</li><li>max: 24 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 73.9 tokens</li><li>max: 202 tokens</li></ul> | <ul><li>min: 21 tokens</li><li>mean: 71.16 tokens</li><li>max: 171 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 | |
|
|:------:|:-----:|:-------------:|:---------------:|:------:| |
|
| 2.0992 | 82000 | 0.0002 | 0.0009 | 0.5416 | |
|
| 2.1504 | 84000 | 0.0002 | 0.0009 | 0.5459 | |
|
| 2.2016 | 86000 | 0.0002 | 0.0009 | 0.5404 | |
|
| 2.2528 | 88000 | 0.0002 | 0.0009 | 0.5455 | |
|
| 2.3040 | 90000 | 0.0002 | 0.0008 | 0.5518 | |
|
|
|
|
|
### 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.* |
|
--> |
