Hugging Face's logo Hugging Face
  • Models
  • Datasets
  • Spaces
  • Buckets new
  • Docs
  • Enterprise
  • Pricing
    • Website
      • Tasks
      • HuggingChat
      • Collections
      • Languages
      • Organizations
    • Community
      • Blog
      • Posts
      • Daily Papers
      • Learn
      • Discord
      • Forum
      • GitHub
    • Solutions
      • Team & Enterprise
      • Hugging Face PRO
      • Enterprise Support
      • Inference Providers
      • Inference Endpoints
      • Storage Buckets

  • Log In
  • Sign Up

RamsesDIIP
/
me5-large-construction

Sentence Similarity
sentence-transformers
Safetensors
multilingual
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:1765
loss:TripletLoss
Eval Results (legacy)
text-embeddings-inference
Model card Files Files and versions
xet
Community

Instructions to use RamsesDIIP/me5-large-construction with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

  • Libraries
  • sentence-transformers

    How to use RamsesDIIP/me5-large-construction with sentence-transformers:

    from sentence_transformers import SentenceTransformer
    
    model = SentenceTransformer("RamsesDIIP/me5-large-construction")
    
    sentences = [
        "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",
        "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."
    ]
    embeddings = model.encode(sentences)
    
    similarities = model.similarity(embeddings, embeddings)
    print(similarities.shape)
    # [4, 4]
  • Notebooks
  • Google Colab
  • Kaggle
me5-large-construction
2.26 GB
Ctrl+K
Ctrl+K
  • 1 contributor
History: 2 commits
RamsesDIIP's picture
RamsesDIIP
Add new SentenceTransformer model
5a6a2ce verified over 1 year ago
  • 1_Pooling
    Add new SentenceTransformer model over 1 year ago
  • .gitattributes
    1.57 kB
    Add new SentenceTransformer model over 1 year ago
  • README.md
    38.3 kB
    Add new SentenceTransformer model over 1 year ago
  • config.json
    716 Bytes
    Add new SentenceTransformer model over 1 year ago
  • config_sentence_transformers.json
    201 Bytes
    Add new SentenceTransformer model over 1 year ago
  • model.safetensors
    2.24 GB
    xet
    Add new SentenceTransformer model over 1 year ago
  • modules.json
    349 Bytes
    Add new SentenceTransformer model over 1 year ago
  • sentence_bert_config.json
    53 Bytes
    Add new SentenceTransformer model over 1 year ago
  • sentencepiece.bpe.model
    5.07 MB
    xet
    Add new SentenceTransformer model over 1 year ago
  • special_tokens_map.json
    964 Bytes
    Add new SentenceTransformer model over 1 year ago
  • tokenizer.json
    17.1 MB
    xet
    Add new SentenceTransformer model over 1 year ago
  • tokenizer_config.json
    1.15 kB
    Add new SentenceTransformer model over 1 year ago