labse-kjh-ru / README.md
adeshkin's picture
Upload folder using huggingface_hub
0f0c488 verified
metadata
base_model: sentence-transformers/LaBSE
library_name: sentence-transformers
pipeline_tag: sentence-similarity
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:81836
  - loss:MultipleNegativesRankingLoss
widget:
  - source_sentence: ( аның ӱчӱн мындағылар андағ мӧңіс паза чочыстығ полтырлар ).
    sentences:
      - >-
        так как он не пришел , младший брат идет сам . когда младший брат пришел
        , один старик привязал обоих братьев , а сам прислонился к огню , грея
        спину свою .
      - шлёпать по грязи
      - ( именно это и привело все общество в мрачное и тревожное настроение ).
  - source_sentence: пір чӧптіг
    sentences:
      - его болезнь осложняется .
      - единомышленники
      - ощутить озноб , дрожь .
  - source_sentence: анаң вторник кӱн уже килтір .
    sentences:
      - фашистский концлагерь .
      - быть сплочёнными и единодушными .
      - во вторник уже приехал .
  - source_sentence: батальон командирі
    sentences:
      - >-
        и говорит ему иисус : истинно говорю тебе , что ты ныне , в эту ночь ,
        прежде нежели дважды пропоёт петух , трижды отречёшься от меня .
      - батальонный командир
      - >-
        в это время мальчик , как суслик , выскочивший из норы , потеряв дар
        речи , умывался опрокинутым на него молоком .
  - source_sentence: прай сынынҷа андағ .
    sentences:
      - >-
        иисус говорит ей : не прикасайся ко мне , ибо я ещё не восшел к отцу
        моему ; а иди к братьям моим и скажи им : восхожу к отцу моему и отцу
        вашему , и к богу моему и богу вашему .
      - эх , не поверит !
      - по всей высоте такая .

SentenceTransformer based on sentence-transformers/LaBSE

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

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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): Dense({'in_features': 768, 'out_features': 768, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'})
  (3): Normalize()
)

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("sentence_transformers_model_id")
# Run inference
sentences = [
    'прай сынынҷа андағ .',
    'по всей высоте такая .',
    'эх , не поверит !',
]
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: 81,836 training samples
  • Columns: sentence_0, sentence_1, and label
  • Approximate statistics based on the first 1000 samples:
    sentence_0 sentence_1 label
    type string string float
    details
    • min: 4 tokens
    • mean: 18.67 tokens
    • max: 114 tokens
    • min: 3 tokens
    • mean: 13.81 tokens
    • max: 71 tokens
    • min: 1.0
    • mean: 1.0
    • max: 1.0
  • Samples:
    sentence_0 sentence_1 label
    – че , чоохтазаар анаң , исчем . – ну , говорите же , слушаю . 1.0
    чииттер агитбригадазы молодёжная агитбригада . 1.0
    че ипчі алчатхан оол орайлатчатханда , прайзы , сабыхсып , узубысхан . и как жених замедлил , то задремали все и уснули . 1.0
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "cos_sim"
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • num_train_epochs: 1
  • fp16: True
  • multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand
  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: steps
  • prediction_loss_only: True
  • per_device_train_batch_size: 8
  • per_device_eval_batch_size: 8
  • 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: 1
  • 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: 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: batch_sampler
  • multi_dataset_batch_sampler: round_robin

Training Logs

Epoch Step Training Loss
0.0098 100 -
0.0196 200 -
0.0293 300 -
0.0391 400 -
0.0489 500 0.5082
0.0587 600 -
0.0684 700 -
0.0782 800 -
0.0880 900 -
0.0978 1000 0.2939
0.1075 1100 -
0.1173 1200 -
0.1271 1300 -
0.1369 1400 -
0.1466 1500 0.272
0.1564 1600 -
0.1662 1700 -
0.1760 1800 -
0.1857 1900 -
0.1955 2000 0.2019
0.2053 2100 -
0.2151 2200 -
0.2248 2300 -
0.2346 2400 -
0.2444 2500 0.1543
0.2542 2600 -
0.2639 2700 -
0.2737 2800 -
0.2835 2900 -
0.2933 3000 0.1632
0.3030 3100 -
0.3128 3200 -
0.3226 3300 -
0.3324 3400 -
0.3421 3500 0.1483
0.3519 3600 -
0.3617 3700 -
0.3715 3800 -
0.3812 3900 -
0.3910 4000 0.136
0.4008 4100 -
0.4106 4200 -
0.4203 4300 -
0.4301 4400 -
0.4399 4500 0.1341
0.4497 4600 -
0.4594 4700 -
0.4692 4800 -

Framework Versions

  • Python: 3.10.12
  • Sentence Transformers: 3.1.1
  • 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

@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",
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}