Sentence Transformer Parsbert Fa 2.0
S
Sentence Transformer Parsbert Fa 2.0
Developed by myrkur
这是一个基于ParsBERT的波斯语句子嵌入模型,专门用于句子相似度计算和特征提取任务。
Downloads 289
Release Time : 12/10/2024
Model Overview
该模型基于ParsBERT架构,针对波斯语文本进行了优化,能够将句子转换为高维向量表示,用于计算句子相似度和文本特征提取。
Model Features
波斯语优化
专门针对波斯语文本进行了优化和训练
句子相似度计算
能够准确计算波斯语句子之间的语义相似度
特征提取
可将文本转换为高维向量表示,用于下游任务
高效训练
使用MultipleNegativesRankingLoss进行训练,提高了模型性能
Model Capabilities
计算句子相似度
文本特征提取
波斯语语义理解
文本嵌入生成
Use Cases
信息检索
问答系统
用于匹配用户问题与知识库中的相关答案
提高问答系统的准确率和召回率
文档检索
查找与查询最相关的文档或段落
提升搜索相关性
文本分析
文本聚类
基于语义相似度对文本进行分组
发现文本集合中的主题模式
语义搜索
超越关键词匹配的语义级别搜索
提供更符合用户意图的搜索结果
🚀 基于 myrkur/sentence-transformer-parsbert-fa 的句子转换器
这是一个基于 myrkur/sentence-transformer-parsbert-fa 微调的 句子转换器 模型。它可以将句子和段落映射到一个 768 维的密集向量空间,可用于语义文本相似度、语义搜索、释义挖掘、文本分类、聚类等任务。
🚀 快速开始
直接使用(句子转换器)
首先安装句子转换器库:
pip install -U sentence-transformers
然后你可以加载这个模型并进行推理。
from sentence_transformers import SentenceTransformer, util
# 从 🤗 Hub 下载
model = SentenceTransformer("myrkur/sentence-transformer-parsbert-fa-2.0")
# 运行推理
sentences = [
'وظایف معلمان چیست؟',
'معلمان برای بهانجامرساندن وظایفشان نیازمند آموختن مهارتهای پیشرفتهی مدیریت زمان در کلاس درس هستند آنها باید میان دنبالکردن هدفهای بلندمدت کلاس درس پاسخگویی به نیازهای آموزشی آنی دانشآموزان و ارزیابی حجم زیادی از تکالیف و امتحانات تعادل برقرار کنند درست است که وظایف کاری معلمان در ساعات کاری زیادازحد بهنظر میرسد اما مدیریت شرایط و خالیکردن وقت در کلاس درس و خارج از آن باز هم امکانپذیر است با دراختیارداشتن مهارت کارآمد مدیریت زمان در کلاس درس معلمان میتوانند بازدهی خود را افزایش دهند و فراگیرانشان را بهتر از گذشته آموزش دهند حتما بخوانید تقویت اعتماد به نفس در دانش آموزان با نکته برای معلمان راهکار ساده برای مدیریت زمان از زبان یکی از مدیران گوگلموانع مدیریت زمان چیست مهارتهای مدیریت زمان در کلاس درس با اولویتبندی روزتان را سروسامان بدهید مدیریت زمان در کلاس درس برای معلم با تعیین اولویتها و ساماندادن برنامه حول مهمترین وظایف آغاز میشود تعیین اولویتها معلمان را طی روز در مسیری که باید نگه میدارد حتی وقتی اتفاقات غیرمنتظره یا فشار کاری بهنظر زیاد باشد اولویتبندی کارآمد یعنی ترتیبدادن به حجم کار براساس اهمیت هریک از وظایف و همچنین نتایجی که از تکمیل آنها حاصل میشود معلمان باید بتوانند ارزیابی کنند که آیا معوقگذاشتن برخی پروژهها به این دلیل که نتیجهی آنها بهاندازهی دیگر پروژهها اثربخش نیست منطقی است یا نه اولویتها را نباید مانند این جمله بهطور مطلق طراحی کرد ریاضی و زبان در ساعات اول و اگر زمان اجازه داد انجام کارهای هنری این شیوهی تفکر ممکن است به فرسایش همزمان معلم و دانشآموزان منجر شود در زمینهای بخصوص ممکن است فعالیت هنری یا خارج از کلاس درس بهاندازهی برنامههای کلاسی درسمحور انگیزاننده باشد حتما بخوانید تکنیک پومودورو تکنیکی ساده برای مدیریت زمان تکالیف خانه را با برنامهریزیهای راهبردی طرح کنید هم معلمان و هم دانشآموزان ممکن است متوجه شده باشند که برخی تکالیف که به تمرینهای مکرر نیاز دارند برای محیط منزل مناسبترند تمرین در کلاس بهویژه در زمان یادگیری چهارچوبها و ساختارهای حل مسیله کمککننده است اما صرف زمان برای انجام تمرینهای مکرر در کلاس ممکن است بهترین استفاده از زمان نباشد تکالیفی که در آن صرفا از دانشآموز میخواهند تعداد مشخصی مسیله را بهعنوان تمرین درس ارایهشده حل کنند زمان ارزشمند کلاس را هدر میدهد از تلنبارشدن کارهای عقبافتاده خودداری کنید معمولا خود معلمان متوجه میشوند که در نمرهگذاری تکالیف و امتحانات تقسیم برگهها به گروههای کوچک و انجام کارهای مربوط به آنها ظرف چند روز روش کارآمدتری است تا بررسی یکبارهی کار تمام کلاس در یک روز از تلنبارکردن وظایف ارزیابی خودداری کنید و سعی کنید هربار بخشی از آن را انجام دهید هر روز میتوان بررسی مقدار کوچکی از موارد ارزیابی را بهسادگی مدیریت کرد این روش به معلم اجازه میدهد ارزیابی را بهدرستی انجام دهد و بازخورد مناسبی به دانشآموزان بدهد با تکمیل هریک از بخشهای ارزیابی معلم احساس موفقیت میکند حتما بخوانید نکته درباره مدیریت زمان که در جوانی باید بدانید برای بحرانهای احتمالی برنامهریزی کنید بهتر است پیش از بروز مشکل در کلاس برای آن برنامه داشته باشید چراکه بحرانهای ناگهانی ممکن است معلمان را از اهداف کلاسیشان منحرف کنند گرچه درمورد بعضی اتفاقات مانند بلایای طبیعی اختیارات کمتری وجود دارد معلمان میتوانند برحسب نیاز دانشآموزان برای این موارد هم برنامهای طراحی کنند اما در گام نخست بهتر است مانع بحرانهایی شوید که مربوط به رفتار دانشآموزان است اگر ممکن است قبل از اینکه این مسایل جدی شوند کنترلشان کنید تا از هدررفتن وقت کلاس جلوگیری شود یادگیری دربارهی دانشآموزان پیش از آنکه وارد کلاس درس شوند به معلم امکان میدهد برنامهی عملیاتی پیشگیرانه طراحی کند و از این راه مانع اتفاقات ناخواسته شود و موجبات حواسپرتی را متوقف کند برای خودتان زمانی کنار بگذارید معلمها وظایف فراوانی دارند که نیازمند توجه است و اغلب مربوط به نیازهای دانشآموزان و والدین آنهاست صرف وقت بیشتر برای ارزیابی بازخورددادن و مدیریت نیازهای دانشآموزان وسوسهانگیز است اما فراموش نکنید کنارگذاشتن زمانی برای خود نیز اهمیت دارد این کار باعث میشود اولویتها سر جای خودشان قرار بگیرند اولویتبندی زمان بهنحویکه برای نیازهای خودتان هم وقتی باقی بماند برای طرحریزی و اجرای کارآمد برنامههای آموزش کلاستان ضروری است زمانی که معلمان بهخاطر رسیدگینکردن به خود و فقدان زمان فرسوده میشوند این احتمال وجود دارد که کلاس درس کارایی و بازدهی کمتری پیدا کند اجرای برنامههای مدیریت زمان در کلاس درس تنها زمانی امکانپذیر است که معلم کلاس پرانرژی سالم و سرحال باشد برای مدیریت زمان در کلاس درس بهشیوهای درست معلمان باید برای رسیدن به اهدافشان فرایندی را ترتیب دهند که فضای کارآمدی را در کلاس ایجاد کند با کاربرد استراتژیهای مدیریت زمان میتوان به نیازهای آموزشی هر دانشآموز رسیدگی کرد پیشامدهای اتفاقی را مدیریت کرد و از عقبافتادگی هنگام مواجهه با رخدادهای ناگهانی نیز جلوگیری کرد مدیریت زمان در کلاس درس قسمت بااهمیتی از فراهمآوری آموزش باکیفیت و پاسخگویی به نیازهای تکتک دانشآموزان بهحساب میآید کتاب الکترونیکی قیمت نسخه انگلیسی در سایت آمازون دلار قالب فایل تعداد صفحه ناشر تعداد فایل فایل مدیریت زمان به روش اساتید هاروارد اولویتبندی کارها را بیاموزید تا در زمان کمتر بهینهتر کار کنید تومان تومان مشاهده کتاب الکترونیکی',
'هیپنوتیزم با تخیلات فروید در یک ماجراجویی سال 2021 رو با یکی از سریال\u200cهای جدید شبکه نتفلیکس تحت عنوان "فروید" ( Freud ) شروع کردم سریالی هیجانی، پر از رمز و راز و اندکی تخیلی که زیگموند فروید، روانپزشک معروف رو در یک پیچ و تاب داستانی قرار می\u200cده. اول از همه این موضوع رو بگم که این سریال نه بیوگرافی از فروید هست و نه قراره خیلی تو بطن شخصیت و کارکتر این روانپزشک و عصب\u200cشناس با ایده\u200cهای مختلفش بره. صرفا کارگردان و فیلمنامه نویس\u200cهای این سریال سعی کردن تا یه مقدار با شخصیتش بازی کنن و اونو داخل یک داستان با قتل، خون، هیپنوتیزم و خیلی چیزهای عجیب و غریب قرار بدن',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]
# 获取嵌入向量的相似度分数
similarities = util.cos_sim(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
✨ 主要特性
- 该模型基于
myrkur/sentence-transformer-parsbert-fa
微调,可将句子和段落映射到 768 维的密集向量空间。 - 可用于语义文本相似度、语义搜索、释义挖掘、文本分类、聚类等多种任务。
📦 安装指南
首先安装句子转换器库:
pip install -U sentence-transformers
💻 使用示例
基础用法
from sentence_transformers import SentenceTransformer, util
# 从 🤗 Hub 下载
model = SentenceTransformer("myrkur/sentence-transformer-parsbert-fa-2.0")
# 运行推理
sentences = [
'وظایف معلمان چیست؟',
'معلمان برای بهانجامرساندن وظایفشان نیازمند آموختن مهارتهای پیشرفتهی مدیریت زمان در کلاس درس هستند آنها باید میان دنبالکردن هدفهای بلندمدت کلاس درس پاسخگویی به نیازهای آموزشی آنی دانشآموزان و ارزیابی حجم زیادی از تکالیف و امتحانات تعادل برقرار کنند درست است که وظایف کاری معلمان در ساعات کاری زیادازحد بهنظر میرسد اما مدیریت شرایط و خالیکردن وقت در کلاس درس و خارج از آن باز هم امکانپذیر است با دراختیارداشتن مهارت کارآمد مدیریت زمان در کلاس درس معلمان میتوانند بازدهی خود را افزایش دهند و فراگیرانشان را بهتر از گذشته آموزش دهند حتما بخوانید تقویت اعتماد به نفس در دانش آموزان با نکته برای معلمان راهکار ساده برای مدیریت زمان از زبان یکی از مدیران گوگلموانع مدیریت زمان چیست مهارتهای مدیریت زمان در کلاس درس با اولویتبندی روزتان را سروسامان بدهید مدیریت زمان در کلاس درس برای معلم با تعیین اولویتها و ساماندادن برنامه حول مهمترین وظایف آغاز میشود تعیین اولویتها معلمان را طی روز در مسیری که باید نگه میدارد حتی وقتی اتفاقات غیرمنتظره یا فشار کاری بهنظر زیاد باشد اولویتبندی کارآمد یعنی ترتیبدادن به حجم کار براساس اهمیت هریک از وظایف و همچنین نتایجی که از تکمیل آنها حاصل میشود معلمان باید بتوانند ارزیابی کنند که آیا معوقگذاشتن برخی پروژهها به این دلیل که نتیجهی آنها بهاندازهی دیگر پروژهها اثربخش نیست منطقی است یا نه اولویتها را نباید مانند این جمله بهطور مطلق طراحی کرد ریاضی و زبان در ساعات اول و اگر زمان اجازه داد انجام کارهای هنری این شیوهی تفکر ممکن است به فرسایش همزمان معلم و دانشآموزان منجر شود در زمینهای بخصوص ممکن است فعالیت هنری یا خارج از کلاس درس بهاندازهی برنامههای کلاسی درسمحور انگیزاننده باشد حتما بخوانید تکنیک پومودورو تکنیکی ساده برای مدیریت زمان تکالیف خانه را با برنامهریزیهای راهبردی طرح کنید هم معلمان و هم دانشآموزان ممکن است متوجه شده باشند که برخی تکالیف که به تمرینهای مکرر نیاز دارند برای محیط منزل مناسبترند تمرین در کلاس بهویژه در زمان یادگیری چهارچوبها و ساختارهای حل مسیله کمککننده است اما صرف زمان برای انجام تمرینهای مکرر در کلاس ممکن است بهترین استفاده از زمان نباشد تکالیفی که در آن صرفا از دانشآموز میخواهند تعداد مشخصی مسیله را بهعنوان تمرین درس ارایهشده حل کنند زمان ارزشمند کلاس را هدر میدهد از تلنبارشدن کارهای عقبافتاده خودداری کنید معمولا خود معلمان متوجه میشوند که در نمرهگذاری تکالیف و امتحانات تقسیم برگهها به گروههای کوچک و انجام کارهای مربوط به آنها ظرف چند روز روش کارآمدتری است تا بررسی یکبارهی کار تمام کلاس در یک روز از تلنبارکردن وظایف ارزیابی خودداری کنید و سعی کنید هربار بخشی از آن را انجام دهید هر روز میتوان بررسی مقدار کوچکی از موارد ارزیابی را بهسادگی مدیریت کرد این روش به معلم اجازه میدهد ارزیابی را بهدرستی انجام دهد و بازخورد مناسبی به دانشآموزان بدهد با تکمیل هریک از بخشهای ارزیابی معلم احساس موفقیت میکند حتما بخوانید نکته درباره مدیریت زمان که در جوانی باید بدانید برای بحرانهای احتمالی برنامهریزی کنید بهتر است پیش از بروز مشکل در کلاس برای آن برنامه داشته باشید چراکه بحرانهای ناگهانی ممکن است معلمان را از اهداف کلاسیشان منحرف کنند گرچه درمورد بعضی اتفاقات مانند بلایای طبیعی اختیارات کمتری وجود دارد معلمان میتوانند برحسب نیاز دانشآموزان برای این موارد هم برنامهای طراحی کنند اما در گام نخست بهتر است مانع بحرانهایی شوید که مربوط به رفتار دانشآموزان است اگر ممکن است قبل از اینکه این مسایل جدی شوند کنترلشان کنید تا از هدررفتن وقت کلاس جلوگیری شود یادگیری دربارهی دانشآموزان پیش از آنکه وارد کلاس درس شوند به معلم امکان میدهد برنامهی عملیاتی پیشگیرانه طراحی کند و از این راه مانع اتفاقات ناخواسته شود و موجبات حواسپرتی را متوقف کند برای خودتان زمانی کنار بگذارید معلمها وظایف فراوانی دارند که نیازمند توجه است و اغلب مربوط به نیازهای دانشآموزان و والدین آنهاست صرف وقت بیشتر برای ارزیابی بازخورددادن و مدیریت نیازهای دانشآموزان وسوسهانگیز است اما فراموش نکنید کنارگذاشتن زمانی برای خود نیز اهمیت دارد این کار باعث میشود اولویتها سر جای خودشان قرار بگیرند اولویتبندی زمان بهنحویکه برای نیازهای خودتان هم وقتی باقی بماند برای طرحریزی و اجرای کارآمد برنامههای آموزش کلاستان ضروری است زمانی که معلمان بهخاطر رسیدگینکردن به خود و فقدان زمان فرسوده میشوند این احتمال وجود دارد که کلاس درس کارایی و بازدهی کمتری پیدا کند اجرای برنامههای مدیریت زمان در کلاس درس تنها زمانی امکانپذیر است که معلم کلاس پرانرژی سالم و سرحال باشد برای مدیریت زمان در کلاس درس بهشیوهای درست معلمان باید برای رسیدن به اهدافشان فرایندی را ترتیب دهند که فضای کارآمدی را در کلاس ایجاد کند با کاربرد استراتژیهای مدیریت زمان میتوان به نیازهای آموزشی هر دانشآموز رسیدگی کرد پیشامدهای اتفاقی را مدیریت کرد و از عقبافتادگی هنگام مواجهه با رخدادهای ناگهانی نیز جلوگیری کرد مدیریت زمان در کلاس درس قسمت بااهمیتی از فراهمآوری آموزش باکیفیت و پاسخگویی به نیازهای تکتک دانشآموزان بهحساب میآید کتاب الکترونیکی قیمت نسخه انگلیسی در سایت آمازون دلار قالب فایل تعداد صفحه ناشر تعداد فایل فایل مدیریت زمان به روش اساتید هاروارد اولویتبندی کارها را بیاموزید تا در زمان کمتر بهینهتر کار کنید تومان تومان مشاهده کتاب الکترونیکی',
'هیپنوتیزم با تخیلات فروید در یک ماجراجویی سال 2021 رو با یکی از سریال\u200cهای جدید شبکه نتفلیکس تحت عنوان "فروید" ( Freud ) شروع کردم سریالی هیجانی، پر از رمز و راز و اندکی تخیلی که زیگموند فروید، روانپزشک معروف رو در یک پیچ و تاب داستانی قرار می\u200cده. اول از همه این موضوع رو بگم که این سریال نه بیوگرافی از فروید هست و نه قراره خیلی تو بطن شخصیت و کارکتر این روانپزشک و عصب\u200cشناس با ایده\u200cهای مختلفش بره. صرفا کارگردان و فیلمنامه نویس\u200cهای این سریال سعی کردن تا یه مقدار با شخصیتش بازی کنن و اونو داخل یک داستان با قتل، خون، هیپنوتیزم و خیلی چیزهای عجیب و غریب قرار بدن',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]
# 获取嵌入向量的相似度分数
similarities = util.cos_sim(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
📚 详细文档
模型详情
模型描述
属性 | 详情 |
---|---|
模型类型 | 句子转换器 |
基础模型 | myrkur/sentence-transformer-parsbert-fa |
最大序列长度 | 512 个标记 |
输出维度 | 768 个标记 |
相似度函数 | 余弦相似度 |
训练数据集 | myrkur/persian-blog-QA |
语言 | 波斯语(法尔西语) |
模型来源
- 文档:句子转换器文档
- 仓库:GitHub 上的句子转换器
- Hugging Face:Hugging Face 上的句子转换器
完整模型架构
SentenceTransformer(
(0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel
(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})
)
训练详情
训练数据集
未命名数据集
- 规模:48,000 个训练样本
- 列:
anchor
和positive
- 基于前 1000 个样本的近似统计信息:
anchor positive 类型 字符串 字符串 详情 - 最小值:5 个标记
- 平均值:9.99 个标记
- 最大值:58 个标记
- 最小值:14 个标记
- 平均值:144.01 个标记
- 最大值:512 个标记
- 样本:
anchor positive پادکست های پیشرفت معنوی مدتی پیش درباره چه موضوعی است؟
جلسه اول پادکست هایی با موضوع پیشرفت معنویمدتی پیش ، از یکی از اساتید ایران درخواست کردم پادکست هایی را در خصوص پیشرفت معنوی برای ما که از کشور فاصله دوری داریم ضبط کنند و بفرستند. به ذهنم رسید که این پادکستها را با شما هم به اشتراک بگذارم تا شاید در این روزها که همه در خانهها هستند و فرصتهای بیشتری دارند کسی از آنها بهرهای ببرد.یک کانال اختصاصی برای این پادکستها ایجاد کردم و بقیه قسمتها را هم به آن اضافه خواهم کرد. اگر برایتان قابل استفاده بود میتوانید به دوستانتان هم پیشنهاد کنید
هنرهای رزمی چیست؟
هنرهای رزمی به سیستمها و سنتهای مدونی از تکنیکها و فنون مبارزهای گفته میشود که با انگیزهها و دلایل متفاوتی تمرین میشوند برای دفاع شخصی، رقابت در مسابقات، سلامتی بدنی و تناسب اندام، سرگرمی و تفریح و همچنین رشد و تعالی روحی، جسمی و معنوی. از پرکاربردترین سبکهای رزمی میتوان به ساندا، جوجیتسو برزیلی، هاپکیدو، کیوکوشین ، انشین (از سبکهای کاراته) و جودو نام برد. اصطلاح هنرهای رزمی بیشتر به رشتههای رزمی شرق آسیا مانند ووشو، کاراته، تکواندو اشاره دارد، اما رشتههای غربی همچون بوکس، ساواته، پانکریشن و انواع کشتی نیز در مجموعه هنرهای رزمی قرار داده میشوند
آیا توکیو به عنوان بهشتی برای عاشقان مناسب است؟
علاوه بر این توکیو میتواند به عنوان بهشتی برای عاشقان باشد. آنتونی بوردین ( Anthony Bourdain ) گردشگری که در طول سالها به دور دنیا سفر کرده است بارها از توکیو به عنوان یکی از شهرهای مورد علاقه خود یاد کرده است.همچنین بر طبق بررسیهای انجام شده در یک گزارش اقتصادی، توکیو به عنوان یکی از شهرهای امن دنیا در سال 2017 معرفی شده است. در این لیست پس از شهرهای در و ژاپن قرار دارد.در حالت کلی لیست بهترین شهرهای دنیا بیشتر در حوزه قرار دارد در حالی که در این لیست غایب است و تنها در آمریکای شمالی در رتبه 8 ام قرار دارد.ترتیب بهترین شهرها در این نظر سنجی: 1
- 损失函数:
MultipleNegativesRankingLoss
,参数如下:{ "scale": 20.0, "similarity_fct": "cos_sim" }
评估数据集
未命名数据集
- 规模:12,000 个评估样本
- 列:
anchor
和positive
- 基于前 1000 个样本的近似统计信息:
anchor positive 类型 字符串 字符串 详情 - 最小值:4 个标记
- 平均值:9.69 个标记
- 最大值:52 个标记
- 最小值:19 个标记
- 平均值:142.39 个标记
- 最大值:512 个标记
- 样本:
anchor positive آیا تب تعطیلات در ایران ادامه دارد؟
نوروز تحت ت ثیر نوسانات و جو اقتصادی حاکم بر کشور دچار رکود شده بود، اینک به تب تعطیلات نسبتا طولانی نیمه خردادماه 97 دچار شده و با افزایش نرخ، بهویژه در مسیرهای پر روبرو شده است. هرچند رییس هییت مدیره انجمن صنفی دفاتر خدمات مسافرتی ایران معتقد است این تب یکی دو روزه بوده و اکنون در حال افت است.بررسیهای بازار سفر نشان میدهد در چند روز گذشته خارجی و داخلی با قیمتهای افزایش یافته تبلیغ شدهاند که با کاهش استقبال، سیر نزولی را آغاز کردهاند.به گفته حرمتالله رفیعی نیز، تبی که برای یکی دو روز گریبان تورهای خارجی و داخلی را گرفته بود، اکنون در آستانه افت قرار گرفته است، چون مردم از این سفرها با این قیمتها استقبال نکردهاند.قیمت سه شب و چهار روز برای اواخر این هفته از 795 هزار تومان آغاز میشود که برای تعطیلات هفته آینده تا بیش از 2 میلیون تومان نرخگذاری شده است. در این میان برخی نیز قیمت تعطیلات را کاهش داده و آن را به زیر 2 میلیون تومان رساندهاند.اما مقصد جذاب ایرانیها که شمار سفر به آن همچنان در حال افزایش است، برای تعطیلات پیشرو تا بیش از 4 میلیون تومان نرخگذاری شده که همین برای آخر همین هفته کمی بیشتر از 2 میلیون تومان است.نرخ سفر به ، ، و که مسیرهای پر سفر ایرانیها است، همین حالا بسته به نوع مقصد، بین 600 تا 2 میلیون تومان قیمتگذاری شدهاند که برای تعطیلات هفته آینده با افزایش قابل توجه نرخ روبرو شدهاند.هزینه به بیش از 2 میلیون تومان رسیده وان که اینک کمتر از 700 هزار تومان قیمت دارد برای هفته آینده به بیش از یک میلیون تومان افزایش یافته و که اتفاقا روزهای داغی را سپری میکند حدود 2 میلیون تومان قیمتگذاری شده است
آیا یوتیوب برای افزایش تدابیر امنیتی مناسب است؟
اعلام کرده است در دفتر این شرکت در سن برونو کالیفرنیا انجام شد و به آسیب دیدن سه نفر انجامید، تدابیر امنیتی را در تمام دفاتر خود در تمام نقاط جهان افزایش میدهد. یوتیوب به این نکته اشاره کرده است که افزایش تدابیر امنیتی یک سیاست کوتاهمدت نیست و این شرکت در نظر دارد این استراتژی را بهعنوان یک نگرش بلندمدت دنبال کند. سیاست جدید یوتیوب را باید مت ثر از حملهی دیروز و افزایش خشونتها در فضای آنلاین خواند که رفتهرفته شاهد نمود آن در دنیای واقعی نیز هستیم.یوتیوب تصمیم خود در مورد افزایش امنیت در دفاتر بینالمللی را از طریق حساب کاربری توییتر گوگل در قالب یک بیانیهی منتشر کرده است
هدفون بی سیم سامسونگ مدل Galaxy Buds Live چیست؟
هدفون بی سیم سامسونگ مدل Galaxy Buds Live کمپانی سامسونگ جدیدترین هدفون بی سیم خود را به شکل لوبیا طراحی کرده است. این محصول که Galaxy Buds Live نام دارد با طراحی ارگونومی به خوبی در گوش جای میگیرد و ظاهری بسیار زیبا دارد. کیفیت بالای این محصول و حداقل میزان نویز، شنیدن موسیقی یا مکالمه را برایتان لذت بخش خواهد کرد
- 损失函数:
MultipleNegativesRankingLoss
,参数如下:{ "scale": 20.0, "similarity_fct": "cos_sim" }
训练超参数
非默认超参数
eval_strategy
:stepsper_device_train_batch_size
:16per_device_eval_batch_size
:16learning_rate
:4e-05num_train_epochs
:2lr_scheduler_type
:cosinebf16
:Truebatch_sampler
:no_duplicates
所有超参数
点击展开
overwrite_output_dir
:Falsedo_predict
:Falseeval_strategy
:stepsprediction_loss_only
:Trueper_device_train_batch_size
:16per_device_eval_batch_size
:16per_gpu_train_batch_size
:Noneper_gpu_eval_batch_size
:Nonegradient_accumulation_steps
:1eval_accumulation_steps
:Nonetorch_empty_cache_steps
:Nonelearning_rate
:4e-05weight_decay
:0.0adam_beta1
:0.9adam_beta2
:0.999adam_epsilon
:1e-08max_grad_norm
:1.0num_train_epochs
:2max_steps
:-1lr_scheduler_type
:cosinelr_scheduler_kwargs
:{}warmup_ratio
:0.0warmup_steps
:0log_level
:passivelog_level_replica
:warninglog_on_each_node
:Truelogging_nan_inf_filter
:Truesave_safetensors
:Truesave_on_each_node
:Falsesave_only_model
:Falserestore_callback_states_from_checkpoint
:Falseno_cuda
:Falseuse_cpu
:Falseuse_mps_device
:Falseseed
:42data_seed
:Nonejit_mode_eval
:Falseuse_ipex
:Falsebf16
:Truefp16
:Falsefp16_opt_level
:O1half_precision_backend
:autobf16_full_eval
:Falsefp16_full_eval
:Falsetf32
:Nonelocal_rank
:0ddp_backend
:Nonetpu_num_cores
:Nonetpu_metrics_debug
:Falsedebug
:[]dataloader_drop_last
:Falsedataloader_num_workers
:0dataloader_prefetch_factor
:Nonepast_index
:-1disable_tqdm
:Falseremove_unused_columns
:Truelabel_names
:Noneload_best_model_at_end
:Falseignore_data_skip
:Falsefsdp
:[]fsdp_min_num_params
:0fsdp_config
:{'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}fsdp_transformer_layer_cls_to_wrap
:Noneaccelerator_config
:{'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}deepspeed
:Nonelabel_smoothing_factor
:0.0optim
:adamw_torchoptim_args
:Noneadafactor
:Falsegroup_by_length
:Falselength_column_name
:lengthddp_find_unused_parameters
:Noneddp_bucket_cap_mb
:Noneddp_broadcast_buffers
:Falsedataloader_pin_memory
:Truedataloader_persistent_workers
:Falseskip_memory_metrics
:Trueuse_legacy_prediction_loop
:Falsepush_to_hub
:Falseresume_from_checkpoint
:Nonehub_model_id
:Nonehub_strategy
:every_savehub_private_repo
:Falsehub_always_push
:Falsegradient_checkpointing
:Falsegradient_checkpointing_kwargs
:Noneinclude_inputs_for_metrics
:Falseeval_do_concat_batches
:Truefp16_backend
:autopush_to_hub_model_id
:Nonepush_to_hub_organization
:Nonemp_parameters
:auto_find_batch_size
:Falsefull_determinism
:Falsetorchdynamo
:Noneray_scope
:lastddp_timeout
:1800torch_compile
:Falsetorch_compile_backend
:Nonetorch_compile_mode
:Nonedispatch_batches
:Nonesplit_batches
:Noneinclude_tokens_per_second
:Falseinclude_num_input_tokens_seen
:Falseneftune_noise_alpha
:Noneoptim_target_modules
:Nonebatch_eval_metrics
:Falseeval_on_start
:Falseuse_liger_kernel
:Falseeval_use_gather_object
:Falsebatch_sampler
:no_duplicatesmulti_dataset_batch_sampler
:proportional
训练日志
轮次 | 步数 | 训练损失 | 验证损失 |
---|---|---|---|
0.0333 | 50 | 0.6248 | - |
0.0667 | 100 | 0.1795 | - |
0.1 | 150 | 0.1578 | - |
0.1333 | 200 | 0.1328 | - |
0.1667 | 250 | 0.0884 | - |
0.2 | 300 | 0.0801 | - |
0.2333 | 350 | 0.108 | - |
0.2667 | 400 | 0.0686 | - |
0.3 | 450 | 0.1042 | - |
0.3333 | 500 | 0.0955 | 0.0777 |
0.3667 | 550 | 0.0821 | - |
0.4 | 600 | 0.0789 | - |
0.4333 | 650 | 0.0964 | - |
0.4667 | 700 | 0.0783 | - |
0.5 | 750 | 0.0827 | - |
0.5333 | 800 | 0.0934 | - |
0.5667 | 850 | 0.077 | - |
0.6 | 900 | 0.0533 | - |
0.6333 | 950 | 0.0701 | - |
0.6667 | 1000 | 0.0859 | 0.0609 |
0.7 | 1050 | 0.0808 | - |
0.7333 | 1100 | 0.0537 | - |
0.7667 | 1150 | 0.0633 | - |
0.8 | 1200 | 0.0579 | - |
0.8333 | 1250 | 0.0547 | - |
0.8667 | 1300 | 0.0628 | - |
0.9 | 1350 | 0.0557 | - |
0.9333 | 1400 | 0.0531 | - |
0.9667 | 1450 | 0.0629 | - |
1.0 | 1500 | 0.0536 | 0.0492 |
1.0333 | 1550 | 0.0353 | - |
1.0667 | 1600 | 0.0143 | - |
1.1 | 1650 | 0.012 | - |
1.1333 | 1700 | 0.0096 | - |
1.1667 | 1750 | 0.0054 | - |
1.2 | 1800 | 0.008 | - |
1.2333 | 1850 | 0.0052 | - |
1.2667 | 1900 | 0.0043 | - |
1.3 | 1950 | 0.0105 | - |
1.3333 | 2000 | 0.0065 | 0.0455 |
1.3667 | 2050 | 0.0032 | - |
1.4 | 2100 | 0.0069 | - |
1.4333 | 2150 | 0.004 | - |
1.4667 | 2200 | 0.0078 | - |
1.5 | 2250 | 0.0044 | - |
1.5333 | 2300 | 0.0062 | - |
1.5667 | 2350 | 0.0036 | - |
1.6 | 2400 | 0.0027 | - |
1.6333 | 2450 | 0.0076 | - |
1.6667 | 2500 | 0.0048 | 0.0423 |
1.7 | 2550 | 0.0096 | - |
1.7333 | 2600 | 0.0049 | - |
1.7667 | 2650 | 0.0054 | - |
1.8 | 2700 | 0.0066 | - |
1.8333 | 2750 | 0.0059 | - |
1.8667 | 2800 | 0.0037 | - |
1.9 | 2850 | 0.004 | - |
1.9333 | 2900 | 0.0032 | - |
1.9667 | 2950 | 0.006 | - |
2.0 | 3000 | 0.0027 | 0.0428 |
框架版本
- Python:3.10.15
- 句子转换器:3.2.0
- Transformers:4.45.1
- PyTorch:2.4.0+cu121
- Accelerate:1.1.0
- Datasets:3.0.1
- Tokenizers:0.20.0
📄 许可证
该模型使用 Apache 2.0 许可证。
🔖 引用
BibTeX
句子转换器
@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",
}
多重负排名损失
@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}
}
Jina Embeddings V3
Jina Embeddings V3 是一个多语言句子嵌入模型,支持超过100种语言,专注于句子相似度和特征提取任务。
文本嵌入
Transformers Supports Multiple Languages

J
jinaai
3.7M
911
Ms Marco MiniLM L6 V2
Apache-2.0
基于MS Marco段落排序任务训练的交叉编码器模型,用于信息检索中的查询-段落相关性评分
文本嵌入 English
M
cross-encoder
2.5M
86
Opensearch Neural Sparse Encoding Doc V2 Distill
Apache-2.0
基于蒸馏技术的稀疏检索模型,专为OpenSearch优化,支持免推理文档编码,在搜索相关性和效率上优于V1版本
文本嵌入
Transformers English

O
opensearch-project
1.8M
7
Sapbert From PubMedBERT Fulltext
Apache-2.0
基于PubMedBERT的生物医学实体表征模型,通过自对齐预训练优化语义关系捕捉
文本嵌入 English
S
cambridgeltl
1.7M
49
Gte Large
MIT
GTE-Large 是一个强大的句子转换器模型,专注于句子相似度和文本嵌入任务,在多个基准测试中表现出色。
文本嵌入 English
G
thenlper
1.5M
278
Gte Base En V1.5
Apache-2.0
GTE-base-en-v1.5 是一个英文句子转换器模型,专注于句子相似度任务,在多个文本嵌入基准测试中表现优异。
文本嵌入
Transformers Supports Multiple Languages

G
Alibaba-NLP
1.5M
63
Gte Multilingual Base
Apache-2.0
GTE Multilingual Base 是一个多语言的句子嵌入模型,支持超过50种语言,适用于句子相似度计算等任务。
文本嵌入
Transformers Supports Multiple Languages

G
Alibaba-NLP
1.2M
246
Polybert
polyBERT是一个化学语言模型,旨在实现完全由机器驱动的超快聚合物信息学。它将PSMILES字符串映射为600维密集指纹,以数值形式表示聚合物化学结构。
文本嵌入
Transformers

P
kuelumbus
1.0M
5
Bert Base Turkish Cased Mean Nli Stsb Tr
Apache-2.0
基于土耳其语BERT的句子嵌入模型,专为语义相似度任务优化
文本嵌入
Transformers Other

B
emrecan
1.0M
40
GIST Small Embedding V0
MIT
基于BAAI/bge-small-en-v1.5模型微调的文本嵌入模型,通过MEDI数据集与MTEB分类任务数据集训练,优化了检索任务的查询编码能力。
文本嵌入
Safetensors English
G
avsolatorio
945.68k
29
Featured Recommended AI Models
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers Supports Multiple Languages

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers English

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 Chinese
R
uer
2,694
98