labse-sakha-2 / README.md

averoo

Upload folder using huggingface_hub

b1ca8ca verified 5 months ago

preview code

raw

history blame contribute delete

27.6 kB

metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:10044
  - loss:MultipleNegativesRankingLoss
base_model: sentence-transformers/LaBSE
widget:
  - source_sentence: Бу улахан уол туох идэлээх буолуом этэ дии саныыгын? — диир.
    sentences:
      - >-
        Тут проходит поперек свежая тропинка: авось кто-нибудь найдет его, если
        боги Тангха Джылга. предопределили ему жизнь!»
      - Вот ты, старший сын, как думаешь, в чем твое призвание? — спрашивает.
      - 'Опять удача улыбается им: добывают лису, волка, лося.'
  - source_sentence: Тыл эппэккэ эрэ ыллахха, сэттээх буолар дииллэр.
    sentences:
      - Если заберешь, не сказав речь, то тебя ждет возмездие, говорят.
      - >-
        Тогда Кута Бёгё, зажмурив глаза и отведя наверх его локти, еле-как
        увернулся и освободил свою голову.
      - >-
        Говорят, что старик Мэхээлэ брал с собой Багдана в качестве работника в
        Верхневилюйск.
  - source_sentence: >-
      Ол кэннэ биирдэ эмиэ ойохторо кэпсэтэллэрин истэр: "Киһи бөҕө мустан, киһи
      атаҕа тэпсэн биһиги аастыбыт, туордубут", — дэһэллэр эбит.
    sentences:
      - >-
        Потом снова слушает разговор жен: «Много людей собралось, всё скушали,
        все растоптали, а мы изголодались, похудели».
      - >-
        Как только старик вышел из дома, прибыл человек на белоснежной лошади,
        ведущий за собой на поводу черного коня. Он привязал коня на коновязи,
        взял с собой переметную суму с пёстрым узором, зашел в дом и спросил:
        «Ты ли ребенок с молящимися родителями?», тогда мальчишка сказал: «Да».
      - Его голос постепенно уменьшался и затем стал совсем не слышимым.
  - source_sentence: >-
      Онуоха Дьырыбына Дьырылыатта — Бу өлөөрү өһөгөйдөөбүт Өлүү күтүр өстөөх
      Хайдах быһыылаах, Ханнык бадахтаах, Дьүһүн баран үскэллээх Дьиҥ-хаан
      сэбэрэлээх Илэччи эбитий, — диэн Уллуҥаҕын тиҥилэҕиттэн Төбөтүн оройугар
      дылы, Өрү-һары өрө көрөн таһаарбыта - Түбэспэтэх дьүһүннээх, Табыллыбатах
      дьаһахтаах Аат-дьабын адьырҕата эбит.
    sentences:
      - >-
        Я считаю, что название озера Далыр возникло именно от этого слова,
        обозначающего плотину.
      - >-
        Досыта-доотвала наевшись, Проход звенящий прорубив, Дорогу счастливую
        открыв, Меня благословите-проводите, Умоляю! — сказала.
      - >-
        Джырыбына Джырылыатта - — Какой он из себя, Обличье какое имеет Этот
        смерти жаждущий Злодей страшный, Наружности какой, Вида какого Это
        чудовище, — думая, С ног до головы Взглядом прознительным Вверх-вниз
        разглядывала - Вида неземного, Удела незавидного, Мира нижнего хищник,
        оказывается.
  - source_sentence: Ол Чайда диэн киһи Өлөөҥҥө эргинэр эбит.
    sentences:
      - Этот Чайда занимался торговлей в Оленьке.
      - Камлание получается по-настоящему страстным, ужасающим.
      - >-
        Потому их и называют в наших краях людьми с предназначенным видом
        занятия.
pipeline_tag: sentence-similarity
library_name: sentence-transformers

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 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: 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 = [
    'Ол Чайда диэн киһи Өлөөҥҥө эргинэр эбит.',
    'Этот Чайда занимался торговлей в Оленьке.',
    'Камлание получается по-настоящему страстным, ужасающим.',
]
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: 10,044 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: 6 tokens
mean: 48.81 tokens
max: 256 tokens

min: 5 tokens
mean: 34.94 tokens
max: 256 tokens

min: 1.0
mean: 1.0
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 6 tokens mean: 48.81 tokens max: 256 tokens	min: 5 tokens mean: 34.94 tokens max: 256 tokens	min: 1.0 mean: 1.0 max: 1.0

Samples:

sentence_0	sentence_1	label
`Кинилэр үс уоллаахтар: Күдэҥ Атах, Бахсыгыр Баатыр, Мадьыҥы Төрөнөй.`	`У них было трое сыновей: Кюдэнг Атах, Бахсыгыр Баатыр, Маджынгы Тёрёнёй.`	`1.0`
`Туох да биллибэтэҕэр тоһуурдарын ылан, хоту баран билиҥҥи Далыр нэһилиэгин миэстэтигэр олохсуйан I Үөдүгэйдэри төрүттээбиттэр.`	`Убедившись, что нет опасности, выходят из засады и направляются на север, обосновываются там на месте нынешнего наслега Далыр и становятся предками I юёдюгяйцев.`	`1.0`
Репертуара: «Үскэль Тойон, Үскэль Хатын оҕонньордоох эмээхсин», «Унньукаан оҕонньор, Унньукаан эмээхинэ» (1 үйэлээх), «Иһит үрдүн иһэ төрөөбүт Эбир эмээхин, айах үрдүн аһыы төрүөбүт Эбириэн оҕонньор», «Буор буойунайа, сир сиилинэйэ, кыргыска миинэр кыһыл буулуур аттаах Айыы Субулла буҕатыыр», «Чой муос саалаах, үүдэһиннээх муос котокоон быһыйалаах Оҕо Тоттокоон буҕатыыр» (1 үйэлээх), «Эскэль тый саҕа эбир күөт ыт эньньэлээх Эрэйдээх-буруйдаах Эр Соҕотох», «Күнтэн-ыйтан тутулуктаах, күөкэри дьаҕыл аттаах Күн Эрили баатыр» (2 үйэлээх), «Олоҥхо төрдө Олоҥхолоон Бөҕө», «Хаптаҕайдыыр түөһүгэр хаардаах бугул саҕа хара көмүс чыыннаах-хааннаах Хара Хаан Тойон оҕоньньор», «Икки дьэргэлгэн күлүк аттаах Элэс Баатыр», «Бэс хара тыаны үрдүнэн мэҥкэйэн көстөр бэки сиэр аттаах Бэриэт Бэргэн, хахдаҥ хара тыаны үрдүнэн халыйан көстөр хаарымтах хара аттаах Халбайа Бөҕө, суонда тураҕас аттаах Суотуйалаан Бөҕө», «Хара көмүс мөһүүрэ дайдылаах Үкэрдээн оҕонньор», «Күөнэ көҕөччөр аттаах Нарын Ньургустай диэн...	Репертуар: «Старик со старухой Юскэль Тойон-Господин и Юскэль Хатын-Госпожа», «Старик Уннюкан и старуха Уннюкан» (1 үйэлээх), «Рябая старуха, рожденная пить только верх напитка, и Пестрый старик, рожденный есть только лучшее из еды», «Могучий всей Земли, сильнейший Света Айыы Субулла богатырь на красно-чалом боевом коне», «С костяным луком, с костяным ножиком богатырь Малец Тоттокон» (1-поколенное), «Имеющий с крупного двухгодовалого жеребенка рябого пса приданым Многострадальный Эр Соготох», «С солнцем и луной связанный Кюн Эрили Батыр на коне с темными пятнами на лопатках» (2-поколенное), «Ставший истоком олонхо Олонгхолон Сильный», «На плоской груди с копну сена со снегом высокий чин имеющий старик Хара Хан Тойон-Господин», «Имеющий двух маревоподобных коней Элэс Баатыр», «Выше черного соснового бора Бэриэт Меткий на кауром коне, Видный выше буро-черного леса Халбайа Сильный на черном коне, Суотуйалан Сильный на гнедом коне», «Юкэрдэн Старик со страной, блистающей словно чернёное се...	`1.0`

Loss: MultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim"
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 12
per_device_eval_batch_size: 12
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: 12
per_device_eval_batch_size: 12
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}
tp_size: 0
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
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
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
0.0597	50	-
0.1195	100	-
0.1792	150	-
0.2389	200	-
0.2987	250	-
0.3584	300	-
0.4182	350	-
0.4779	400	-
0.5376	450	-
0.5974	500	0.2378
0.6571	550	-

Framework Versions

Python: 3.12.10
Sentence Transformers: 4.1.0
Transformers: 4.51.3
PyTorch: 2.6.0+cu124
Accelerate: 1.8.1
Datasets: 3.6.0
Tokenizers: 0.21.1

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}
}