Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
dense
Generated from Trainer
dataset_size:255
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use jeffreylimnardy/sensor-e5-finetuned with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use jeffreylimnardy/sensor-e5-finetuned with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("jeffreylimnardy/sensor-e5-finetuned") sentences = [ "passage: name: Parkplatz Stadthaus oben 01, description: Parkplatz (Standort: Stadthaus oben 01), datastream: [{'name': 'Belegtstatus an dem Parkplatz Stadthaus oben 01', 'description': 'Belegtstatus'}, {'name': 'Temperatur an dem Parkplatz Stadthaus oben 01', 'description': 'Temperatur an dem Parksensor'}]", "passage: name: GWM Stickdeichdamm, description: Grundwasserpegelmessung (Standort: Stickdeichdamm), datastream: [{'name': 'Wasserpegel an der GWM Stickdeichdamm', 'description': 'Der Grundwasserpegel bezogen auf NN: Abstand zwischen Meereshöhe und Wasseroberfläche'}, {'name': '(Wasser-)Temperatur an Sonde der GWM Stickdeichdamm', 'description': 'Die Temperatur an der Sonde (im Wasser)'}, {'name': 'Atmosphärischer Druck an der GWM Stickdeichdamm', 'description': 'Der Atmosphärische Druck an der Sendeeinheit (über dem Wasser)'}, {'name': 'Umgebungstemperatur an der GWM Stickdeichdamm', 'description': 'Die Umgebungstemperatur, gemessen an der Sendeeinheit (über dem Wasser)'}, {'name': 'Differenzdruck an der GWM Stickdeichdamm', 'description': 'Die Differenz zwischen dem Druck an der Sonde (im Wasser) und dem atmosphärischen Druck an der Sendeeinheit'}]", "passage: name: GWM Wittenfelde, description: Grundwasserpegelmessung (Standort: Wittenfelde), datastream: [{'name': 'Wasserpegel an der GWM Wittenfelde', 'description': 'Der Grundwasserpegel bezogen auf NN: Abstand zwischen Meereshöhe und Wasseroberfläche'}, {'name': '(Wasser-)Temperatur an Sonde der GWM Wittenfelde', 'description': 'Die Temperatur an der Sonde (im Wasser)'}, {'name': 'Atmosphärischer Druck an der GWM Wittenfelde', 'description': 'Der Atmosphärische Druck an der Sendeeinheit (über dem Wasser)'}, {'name': 'Umgebungstemperatur an der GWM Wittenfelde', 'description': 'Die Umgebungstemperatur, gemessen an der Sendeeinheit (über dem Wasser)'}, {'name': 'Differenzdruck an der GWM Wittenfelde', 'description': 'Die Differenz zwischen dem Druck an der Sonde (im Wasser) und dem atmosphärischen Druck an der Sendeeinheit'}]", "passage: name: Parkplatz Schinkelbad 01, description: Parkplatz (Standort: Schinkelbad 01), datastream: [{'name': 'Belegtstatus an dem Parkplatz Schinkelbad 01', 'description': 'Belegtstatus'}, {'name': 'Temperatur an dem Parkplatz Schinkelbad 01', 'description': 'Temperatur an dem Parksensor'}]" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
| { | |
| "add_cross_attention": false, | |
| "architectures": [ | |
| "BertModel" | |
| ], | |
| "attention_probs_dropout_prob": 0.1, | |
| "bos_token_id": null, | |
| "classifier_dropout": null, | |
| "dtype": "float32", | |
| "eos_token_id": null, | |
| "hidden_act": "gelu", | |
| "hidden_dropout_prob": 0.1, | |
| "hidden_size": 384, | |
| "initializer_range": 0.02, | |
| "intermediate_size": 1536, | |
| "is_decoder": false, | |
| "layer_norm_eps": 1e-12, | |
| "max_position_embeddings": 512, | |
| "model_type": "bert", | |
| "num_attention_heads": 12, | |
| "num_hidden_layers": 12, | |
| "pad_token_id": 0, | |
| "position_embedding_type": "absolute", | |
| "tie_word_embeddings": true, | |
| "tokenizer_class": "XLMRobertaTokenizer", | |
| "transformers_version": "5.2.0", | |
| "type_vocab_size": 2, | |
| "use_cache": true, | |
| "vocab_size": 250037 | |
| } | |