Add new SentenceTransformer model

aceaf51 verified 9 months ago

15.3 kB

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:53333
  - loss:DenoisingAutoEncoderLoss
base_model: kategosari/cliffsofdover_tsdae
widget:
  - source_sentence: >-
      생성하는 각 자동으로 프로세스의 검토 상기 대한 하나의 적어도 적용하여 대한 상기 변환된 [MASK] 것 파일에 기계 부분을 인공
      지능 상기 응답을 통해, 표현을
    sentences:
      - ' 이 방법은 먼저 로봇의 주변 환경 (6)을 검출하는 이미지 시퀀스 (5)를 제공한다'
      - >-
        인공 지능 프로세스의 기계 검토 부분을 통해, 상기 변환된 파일에 대한 상기 적어도 하나의 표현을 적용하여 상기 각 질문에 대한
        응답을 자동으로 생성하는 것
      - ' 압축률 네트워크 모델에 기초하여 디코딩된 동영상의 프레임에 포함된 복수의 이미지 블록들 각각의 압축률을 획득하고, 획득된 복수의 압축률에 기초하여 프레임의 압축률을 획득한다'
  - source_sentence: 데이터를 로봇의 복수의 시작한다 수집하는 센서 것으로 로봇이 [MASK] 센서로부터 방법은
    sentences:
      - ' 상기 방법은 로봇이 로봇의 복수의 센서로부터 센서 데이터를 수집하는 것으로 시작한다'
      - 여기서 주요 특징은 주차 시설에서 차량의 존재 및 위치를 결정하기 위한 센서 및 통신 인터페이스의 사용이다.
      - '  검출 정밀도가 높고, 실시간 연속된 혈압을 얻을 수 있다'
  - source_sentence: 정규화된 트레이닝된 세그먼트의 프로세서는 더 각각의 도메인 시간 신경망의 구성된다 입력 계층에 표현을 [MASK]
    sentences:
      - ' 이 데이터는 AI 계층들에 의해 분석되어 그 안의 사용자 행동 프로세스들의 패턴들을 인식할 수 있다'
      - >-
        그리고 이력 떨림 심각도 패턴 예측 및 이력 떨림심각도에 적어도 부분적으로 기초하여 훈련된 떨림 심각도 모델 파라미터를
        업데이트하는 것
      - ' 프로세서는 트레이닝된 신경망의 입력 계층에 각각의 세그먼트의 정규화된 시간 도메인 표현을 피드하도록 더 구성된다'
  - source_sentence: 연관된 [MASK] 1 목표와 스코어 제 상기 1
    sentences:
      - 상기 제 1 목표와 연관된 제 1 스코어
      - '디바이스  : 적어도 하나의 프로그램 및 제1 동영상을 저장하는 메모리  '
      - ' 인공지능에 기초한 타임라인 증권 자산 관리 시스템을 개시하고, 증권 관리 기술 영역에 관련된다'
  - source_sentence: 길이에 녹색광을 [MASK] 것 시간 따라
    sentences:
      - ' 데이터 처리 및 클라우드 컴퓨팅에 관한 것이며, 코드로서 기술된 클라우드 인프라스트럭처 환경에 적용될 수 있다.'
      - ' 시간 길이에 따라 녹색광을 제어하는 것'
      - ' 하나 이상의 사용자, 활동 및/또는 사용자 활동 로그를 통합하는 것 하나 이상의 사용자 활동 로그 수정 그 등등이지요'
pipeline_tag: sentence-similarity
library_name: sentence-transformers

SentenceTransformer based on kategosari/cliffsofdover_tsdae

This is a sentence-transformers model finetuned from kategosari/cliffsofdover_tsdae. 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: kategosari/cliffsofdover_tsdae
Maximum Sequence Length: 256 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity

Model Sources

Documentation: Sentence Transformers Documentation
Repository: Sentence Transformers on GitHub
Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, '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:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("kategosari/cliffsofdover_tsdae2")
# Run inference
sentences = [
    '길이에 녹색광을 [MASK] 것 시간 따라',
    ' 시간 길이에 따라 녹색광을 제어하는 것',
    ' 데이터 처리 및 클라우드 컴퓨팅에 관한 것이며, 코드로서 기술된 클라우드 인프라스트럭처 환경에 적용될 수 있다.',
]
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]

Training Details

Training Dataset

Unnamed Dataset

Size: 53,333 training samples
Columns: sentence_0 and sentence_1
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1
type string string
details
min: 7 tokens
mean: 28.68 tokens
max: 50 tokens

min: 7 tokens
mean: 29.45 tokens
max: 53 tokens

	sentence_0	sentence_1
type	string	string
details	min: 7 tokens mean: 28.68 tokens max: 50 tokens	min: 7 tokens mean: 29.45 tokens max: 53 tokens

Samples:

sentence_0	sentence_1
`장치를 헤더 제공한다 코스웨어 [MASK] 제작 방법과 인공지능에`	`인공지능에 기초한 코스웨어 헤더 제작 방법과 장치를 제공한다`
`단어와 입력 값으로 가장 [MASK] 정보를 모델은 기반 사용하여 수 적합한 모델 지능 현재 입력된 사용자에게 컨텍스트 규칙 및/또는 컨텍스트에 제공할 인공 있다`	`규칙 기반 모델 및/또는 인공 지능 모델은 입력된 단어와 컨텍스트 정보를 입력 값으로 사용하여 현재 컨텍스트에 가장 적합한 문장을 사용자에게 제공할 수 있다`
`한다. 이전에 있어서의 AI 및 비효율성 적용함에 지침을 기초하여 위한 주관성을 모델을 식별하고 방사선치료를 수행된 활용하여 방사선치료에 구현하기 해결하고자 [MASK]`	`이전에 수행된 방사선치료에 기초하여 훈련된 AI 모델을 활용하여 방사선치료를 구현하기 위한 지침을 식별하고 적용함에 있어서의 비효율성 및 주관성을 해결하고자 한다.`

Loss: DenoisingAutoEncoderLoss

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 32
per_device_eval_batch_size: 32
num_train_epochs: 5
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: no
prediction_loss_only: True
per_device_train_batch_size: 32
per_device_eval_batch_size: 32
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: 5e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1
num_train_epochs: 5
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.0
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: False
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: None
hub_always_push: False
hub_revision: None
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_inputs_for_metrics: False
include_for_metrics: []
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
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
liger_kernel_config: None
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin

Training Logs

Epoch	Step	Training Loss
0.2999	500	3.383
0.5999	1000	2.6709
0.8998	1500	2.4958
1.1998	2000	2.317
1.4997	2500	2.2062
1.7996	3000	2.1348
2.0996	3500	2.0467
2.3995	4000	1.9364
2.6995	4500	1.8734
2.9994	5000	1.8382
3.2993	5500	1.7141
3.5993	6000	1.6808
3.8992	6500	1.6515
4.1992	7000	1.5583
4.4991	7500	1.5173
4.7990	8000	1.4834

Framework Versions

Python: 3.11.13
Sentence Transformers: 4.1.0
Transformers: 4.53.2
PyTorch: 2.6.0+cu124
Accelerate: 1.9.0
Datasets: 2.20.0
Tokenizers: 0.21.2

Citation

BibTeX

Sentence Transformers

@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",
}

DenoisingAutoEncoderLoss

@inproceedings{wang-2021-TSDAE,
    title = "TSDAE: Using Transformer-based Sequential Denoising Auto-Encoderfor Unsupervised Sentence Embedding Learning",
    author = "Wang, Kexin and Reimers, Nils and Gurevych, Iryna",
    booktitle = "Findings of the Association for Computational Linguistics: EMNLP 2021",
    month = nov,
    year = "2021",
    address = "Punta Cana, Dominican Republic",
    publisher = "Association for Computational Linguistics",
    pages = "671--688",
    url = "https://arxiv.org/abs/2104.06979",
}