File size: 21,547 Bytes
70d1d12 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 |
---
base_model: deepvk/USER-bge-m3
library_name: sentence-transformers
metrics:
- cosine_accuracy
- dot_accuracy
- manhattan_accuracy
- euclidean_accuracy
- max_accuracy
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:10189
- loss:TripletLoss
widget:
- source_sentence: мороженое протеиновое
sentences:
- Эскимо "Суфле" в молочном шоколаде Эскимо с мягким сливочным вкусом и глазурью
из молочного шоколада
- Ассорти сухофруктов с пастилой Сытный, вкусный и полезный снек и чудесный десерт
к чаю или кофе. Солнечный аромат вяленых бананов, кисло-сладкий вкус спелого сушеного
яблока и натуральная, яблочно-банановая пастила. Не содержит добавленного сахара.
Удобная компактная упаковка так и просится в карман или сумку, чтобы сопровождать
вас на прогулке, лекции или пикнике. Отличная замена классическим сладостям и
легкий перекус.
- Мороженое молочное протеиновое Bombbar Соленая карамель со сливками 150 г Универсальный
белковый десерт без сахара для похудения, набора массы или просто вкусного и полезного
перекуса.
- source_sentence: овсяная каша
sentences:
- Чипсы протеиновые "Сметана и зелень" Полезная альтернатива картофельным чипсам,
на 75% состоящая из коллагенового белка. Отсутствие углеводов делают чипсы подходящими
для кето диеты, а высокое содержание протеина превращает их в идеальный снек для
перекуса после тренировки. К тому же, небольшую упаковку удобно брать с собой,
чтобы похрустеть в дороге. Некоторые покупатели отмечают, что протеиновыми чипсами
легко можно наесться, причём для этого достаточно всего половины упаковки!
- Каша овсяная, 250 г Питательная овсянка, сваренная на свежем молоке. Нежная, чуть
сладковатая, она хороша и сама по себе, и с различными топингами. Например, в
кашу можно добавить душистые ягоды, сухофрукты или горстку орехов.
- 'Пирожное бисквитное "Картошка" Классическое пирожное со вкусом детства: плотное,
насыщенно-шоколадное, с нежнейшим масляным кремом. Спорим, оно станет одним из
ваших любимых лакомств?'
- source_sentence: баранина
sentences:
- Большая порция куриных шариков с пряным соусом "Цезарь" Сочные куриные шарики
с хрустящей корочкой и тягучей сырной начинкой. Приедут к вам горячими с порцией
соуса "Цезарь"
- Корм влажный консервированный для собак "Баранина с тыквой" кусочки в соусе Grand
Prix , 400 гр Полнорационный сбалансированный корм для собак, разработанный под
ветеринарным контролем. Содержит 45% баранины и субпродуктов, обогащен полезными
веществами. Дополнительно содержит пивные дрожжи, льняное семя и масло для здоровья
ЖКТ, шерсти и кожи.
- Люля-кебаб из ягнятины Халяль, зам. Аппетитные кебабы из ягнятины, приготовленные
по стандартам Халяль. Сочные, с пряной нотой зиры и кориандра.
- source_sentence: фило
sentences:
- Киви резанный, Фрешбар Сочные ломтики спелых киви, нарезанные на половинки
- Тесто "Фило" зам. 500 г Тончайшие листы теста фило для пирогов, десертов, роллов
- Брусники листья 1.5г ф/пак 20 шт Брусника активно применяется в урологии как диуретик
и природное средство против цистита и уретрита. Ее особая ценность в том, что
она оказывает одновременно и антибактериальное, и противовоспалительное, и мочегонное
действия.
- source_sentence: детская каша
sentences:
- Каша овсяная детская "Мишка" Сладкая овсяная каша с голубикой и бананами. Можно
приготовить на кокосовом молоке
- Сок гранатовый прямого отжима, 200 мл Натуральный сок холодного отжима, без сахара.
Сбалансированный вкус, слегка мутный из-за мякоти
- Десерт "Тирамису", 300 г Изысканный итальянский десерт в нестандартном исполнении.
В нашем Тирамису много (очень много!) сливочного крема и Маскарпоне,
поэтому лакомство невероятно нежное!
model-index:
- name: SentenceTransformer based on deepvk/USER-bge-m3
results:
- task:
type: triplet
name: Triplet
dataset:
name: dev
type: dev
metrics:
- type: cosine_accuracy
value: 0.9187996469549867
name: Cosine Accuracy
- type: dot_accuracy
value: 0.08031774051191527
name: Dot Accuracy
- type: manhattan_accuracy
value: 0.9170344218887908
name: Manhattan Accuracy
- type: euclidean_accuracy
value: 0.9187996469549867
name: Euclidean Accuracy
- type: max_accuracy
value: 0.9187996469549867
name: Max Accuracy
---
# SentenceTransformer based on deepvk/USER-bge-m3
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [deepvk/USER-bge-m3](https://huggingface.co/deepvk/USER-bge-m3). It maps sentences & paragraphs to a 1024-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:** [deepvk/USER-bge-m3](https://huggingface.co/deepvk/USER-bge-m3) <!-- at revision 0cc6cfe48e260fb0474c753087a69369e88709ae -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 1024 tokens
- **Similarity Function:** Cosine Similarity
<!-- - **Training Dataset:** Unknown -->
<!-- - **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: XLMRobertaModel
(1): Pooling({'word_embedding_dimension': 1024, '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): Normalize()
)
```
## 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("Data-Lab/USER-bge-m3-embedder-td")
# Run inference
sentences = [
'детская каша',
'Каша овсяная детская "Мишка" Сладкая овсяная каша с голубикой и бананами. Можно приготовить на кокосовом молоке',
'Десерт "Тирамису", 300 г Изысканный итальянский десерт в нестандартном исполнении. В нашем Тирамису много (очень много!) сливочного крема и Маскарпоне, поэтому лакомство невероятно нежное!',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]
# 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
#### Triplet
* Dataset: `dev`
* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
| Metric | Value |
|:-------------------|:-----------|
| cosine_accuracy | 0.9188 |
| dot_accuracy | 0.0803 |
| manhattan_accuracy | 0.917 |
| euclidean_accuracy | 0.9188 |
| **max_accuracy** | **0.9188** |
<!--
## 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
#### Unnamed Dataset
* Size: 10,189 training samples
* Columns: <code>sentence_0</code>, <code>sentence_1</code>, and <code>sentence_2</code>
* Approximate statistics based on the first 1000 samples:
| | sentence_0 | sentence_1 | sentence_2 |
|:--------|:---------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
| type | string | string | string |
| details | <ul><li>min: 3 tokens</li><li>mean: 7.85 tokens</li><li>max: 30 tokens</li></ul> | <ul><li>min: 6 tokens</li><li>mean: 61.74 tokens</li><li>max: 377 tokens</li></ul> | <ul><li>min: 5 tokens</li><li>mean: 64.71 tokens</li><li>max: 393 tokens</li></ul> |
* Samples:
| sentence_0 | sentence_1 | sentence_2 |
|:-------------------------------------|:---------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>хурма</code> | <code>Чипсы из хурмы, 25 г Натуральные чипсы из хурмы, без сахара. Мягкие, медово-фруктовые</code> | <code>Салат мимоза, 300 г Классический салат мимоза с горбушей, отварными овощами и куриными желтками.</code> |
| <code>жареное мясо</code> | <code>КК_котлета куриная жареная, вес</code> | <code>Баклажаны "Пармиджано" Мама миа, это же настоящая итальянская пармиджана! Нежные ломтики баклажанов, много томатов и ещё больше тягучего сыра. Очень насыщенно, сочно и аппетитно пряно. Баклажаны для этого рецепта не обжариваются, а запекаются в духовке, что делает блюдо более полезным и изысканным.</code> |
| <code>бедро цыпленка бройлера</code> | <code>Бедро цыплят-бройлеров Халяль 1 кг Сочное бедро цыпленка, подходит для маринования, тушения и запекания</code> | <code>Мясо бедра (Филе бедра) индейки в маринаде "Чесночный" 1 кг Диетическое, нежирное филе бедра индейки с деликатным вкусом и ароматом. В меру подсолено и приправлено острым чесночком и травами.</code> |
* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
```json
{
"distance_metric": "TripletDistanceMetric.COSINE",
"triplet_margin": 0.5
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: steps
- `per_device_train_batch_size`: 4
- `per_device_eval_batch_size`: 4
- `fp16`: True
- `multi_dataset_batch_sampler`: round_robin
#### 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`: 4
- `per_device_eval_batch_size`: 4
- `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`: 3
- `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`: True
- `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
</details>
### Training Logs
| Epoch | Step | Training Loss | dev_max_accuracy |
|:------:|:----:|:-------------:|:----------------:|
| 0.3928 | 500 | 0.2477 | - |
| 0.7855 | 1000 | 0.182 | 0.9064 |
| 1.0 | 1273 | - | 0.9073 |
| 1.1783 | 1500 | 0.157 | - |
| 1.5711 | 2000 | 0.1234 | 0.9029 |
| 1.9639 | 2500 | 0.0993 | - |
| 2.0 | 2546 | - | 0.9179 |
| 2.3566 | 3000 | 0.0864 | 0.9170 |
| 2.7494 | 3500 | 0.0691 | - |
| 3.0 | 3819 | - | 0.9188 |
### Framework Versions
- Python: 3.10.12
- Sentence Transformers: 3.2.0
- Transformers: 4.44.0
- PyTorch: 2.3.1+cu121
- Accelerate: 0.31.0
- Datasets: 2.20.0
- Tokenizers: 0.19.1
## 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",
}
```
#### TripletLoss
```bibtex
@misc{hermans2017defense,
title={In Defense of the Triplet Loss for Person Re-Identification},
author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
year={2017},
eprint={1703.07737},
archivePrefix={arXiv},
primaryClass={cs.CV}
}
```
<!--
## 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.*
--> |