|
|
--- |
|
|
base_model: intfloat/multilingual-e5-large |
|
|
language: |
|
|
- multilingual |
|
|
library_name: sentence-transformers |
|
|
license: apache-2.0 |
|
|
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:1765 |
|
|
- loss:TripletLoss |
|
|
widget: |
|
|
- source_sentence: Hormigonado de zanjas y pozos de cimentación, con hormigón en masa, |
|
|
con 20% de áridos de material reciclado de hormigones, HRM - 30 / B / 20 / XA2 |
|
|
con una cantidad de cemento de 350 kg/m3 i relación agua cemento =< 0.5, colocado |
|
|
desde camión |
|
|
sentences: |
|
|
- Tubo de acero inoxidable 1.4307 (AISI 304L) con soldadura longitudinal, de 22 |
|
|
mm de diámetro exterior y 0,7 mm de espesor de pared, serie 1 conforme a UNE-EN |
|
|
10312, conexión a presión, con nivel de dificultad elevado y instalado de forma |
|
|
empotrada. |
|
|
- Vertido de hormigón en zanjas y cimientos, utilizando hormigón masivo con un 20% |
|
|
de áridos reciclados, tipo HRM - 30 / B / 20 / XA2, con una dosificación de cemento |
|
|
de 350 kg/m3 y una relación agua-cemento menor o igual a 0.5, aplicado directamente |
|
|
desde el camión. |
|
|
- Colocación de paneles de yeso en interiores, utilizando yeso laminado, con un |
|
|
espesor de 12.5 mm y una resistencia al fuego de tipo F30, aplicando una mezcla |
|
|
de adhesivo con una proporción de agua de 0.4, instalado manualmente. |
|
|
- source_sentence: Pavimento de loseta para acera gris de 20x20x4 cm, clase 1a, precio |
|
|
alto, sobre soporte de 3 cm de arena, colocado a pique de maceta con mortero mixto |
|
|
1:2:10 y lechada de cemento pórtland, en entorno urbano sin dificultad de movilidad, |
|
|
en aceras > 5 m de ancho o calzada/plataforma única > 12 m de ancho, con afectación |
|
|
por servicios o elementos de mobiliario urbano, en actuaciones de más de 10 m2 |
|
|
sentences: |
|
|
- Losas de concreto de 60x40 cm y 8 cm de grosor, con acabado rugoso, instaladas |
|
|
con mortero de cemento 1:6 y juntas selladas, en áreas urbanas con fácil acceso, |
|
|
en aceras de más de 3 y hasta 5 m de ancho o en calzadas de más de 7 y hasta 12 |
|
|
m de ancho, sin interferencias de servicios públicos o mobiliario urbano, en proyectos |
|
|
de hasta 1 m2. |
|
|
- Pavimento de loseta para jardín verde de 30x30x5 cm, clase 2b, precio bajo, sobre |
|
|
soporte de 5 cm de grava, colocado a nivel de césped con tierra orgánica y mezcla |
|
|
de arena, en entorno rural con dificultad de acceso, en jardines < 10 m de ancho |
|
|
o senderos individuales < 5 m de ancho, sin afectación por servicios o elementos |
|
|
de jardinería, en actuaciones de menos de 5 m2. |
|
|
- Loseta de pavimento gris de 20x20x4 cm, clase 1a, de alto costo, instalada sobre |
|
|
una base de 3 cm de arena, fijada a nivel de maceta con mortero 1:2:10 y lechada |
|
|
de cemento pórtland, en un área urbana con fácil acceso, en aceras de más de 5 |
|
|
m de ancho o plataformas de más de 12 m de ancho, considerando la interferencia |
|
|
de servicios o mobiliario urbano, para proyectos que superen los 10 m2. |
|
|
- source_sentence: Derivación a 90° reducida de polietileno PE 100 de fabricación |
|
|
inyectada con ramal a 90° DN 110 para una unión soldadura a tope, presión nominal |
|
|
PN 16 (SDR 11), fabricación según norma UNE-EN 12201-3, para una unión soldadura |
|
|
a tope, soldadura a tope y colocada en el fondo de la zanja, en entorno urbano |
|
|
sin dificultad de movilidad, afectación por presencia de servicios en la zanja, |
|
|
sin presencia de entibación |
|
|
sentences: |
|
|
- Derivación a 45° de PVC tipo 1 con ramal a 45° DN 75 para una conexión mediante |
|
|
pegamento, presión nominal PN 10 (SDR 13.5), fabricación según norma UNE-EN 1452-2, |
|
|
para una conexión mediante pegamento, instalada en la parte superior de la estructura, |
|
|
en un entorno rural con acceso restringido, sin interferencia de servicios en |
|
|
la zona, con necesidad de entibación. |
|
|
- Ventana de aluminio anodizado en acabado natural, con rotura de puente térmico, |
|
|
instalada sobre un premarco, compuesta por tres hojas abatibles, diseñada para |
|
|
un espacio de obra de aproximadamente 240x120 cm, fabricada con perfiles de alta |
|
|
calidad, con una clasificación mínima de 4 en permeabilidad al aire según UNE-EN |
|
|
12207, clasificación mínima 9A en estanqueidad al agua según UNE-EN 12208 y clasificación |
|
|
mínima C4 en resistencia al viento según UNE-EN 12210, incluyendo caja de persiana |
|
|
y guías. |
|
|
- Derivación de polietileno PE 100 a 90° de fabricación inyectada, DN 110, para |
|
|
unión mediante soldadura a tope, con presión nominal PN 16 (SDR 11), conforme |
|
|
a la norma UNE-EN 12201-3, instalada en el fondo de la zanja en un entorno urbano, |
|
|
sin complicaciones de movilidad y con servicios presentes en la zanja, sin necesidad |
|
|
de entibación. |
|
|
- source_sentence: Pavimento de pieza rectangular de hormigón doble capa, gris, de |
|
|
10x20 cm y 8 cm de espesor, precio alto, para pavimento drenante, sobre lecho |
|
|
de arena de 3 cm de espesor, compactación del pavimento y rejuntado con mortero |
|
|
de cemento 1:6, en entorno urbano con dificultad de mobilidad, en aceras <= 3 |
|
|
m de ancho o calzada/plataforma única <= 7 m de ancho, con afectación por servicios |
|
|
o elementos de mobiliario urbano, en actuaciones de hasta 1 m2 |
|
|
sentences: |
|
|
- Colocación de losas de cimentación utilizando hormigón armado, incorporando un |
|
|
20% de áridos reciclados, aditivo hidrófugo HRA - 35 / B / 20 / XC4 + XS1 + XA2, |
|
|
con una dosificación de cemento de 400 kg/m3 y una relación agua-cemento menor |
|
|
o igual a 0.5, vertido mediante cubilote. |
|
|
- Losas de hormigón rectangular de doble capa, color gris, de dimensiones 10x20 |
|
|
cm y 8 cm de grosor, de alto costo, diseñadas para pavimentos permeables, colocadas |
|
|
sobre una base de arena de 3 cm de grosor, con compactación del suelo y rejuntado |
|
|
utilizando mortero de cemento en proporción 1:6, en un entorno urbano con movilidad |
|
|
restringida, en aceras de hasta 3 m de ancho o en calzadas/plataformas de hasta |
|
|
7 m de ancho, considerando la interferencia de servicios o elementos de mobiliario |
|
|
urbano, en proyectos de hasta 1 m2. |
|
|
- Pavimento de losa cuadrada de cerámica simple, color beige, de 30x30 cm y 1 cm |
|
|
de espesor, precio bajo, para revestimiento decorativo, sobre base de grava de |
|
|
5 cm de espesor, sin necesidad de compactación y sin rejuntado, en entorno rural |
|
|
con fácil acceso, en jardines o patios de más de 10 m2, sin interferencias por |
|
|
instalaciones o elementos de jardinería, en proyectos de más de 5 m2. |
|
|
- source_sentence: Formación de junta de trabajo interior, en piezas hormigonadas |
|
|
'in situ', con junta de PVC de 24 cm de ancho y de 3,5 mm de espesor |
|
|
sentences: |
|
|
- Instalación de paneles prefabricados, utilizando sellador de silicona de 12 cm |
|
|
de ancho y 5 mm de espesor. |
|
|
- Ventana de aluminio anodizado con rotura de puente térmico, instalada sobre un |
|
|
premarco, con una hoja oscilobatiente, diseñada para un hueco de obra de aproximadamente |
|
|
90x120 cm, fabricada con perfiles de alta calidad, cumpliendo con la clasificación |
|
|
mínima 4 de permeabilidad al aire según UNE-EN 12207, clasificación mínima 9A |
|
|
de estanqueidad al agua según UNE-EN 12208 y clasificación mínima C5 de resistencia |
|
|
al viento según UNE-EN 12210, incluyendo caja de persiana y guías. |
|
|
- Instalación de juntas de trabajo internas en elementos de hormigón vertido 'in |
|
|
situ', utilizando juntas de PVC de 24 cm de ancho y 3,5 mm de grosor. |
|
|
model-index: |
|
|
- name: Multilingual E5 Large trained with triplet loss |
|
|
results: |
|
|
- task: |
|
|
type: triplet |
|
|
name: Triplet |
|
|
dataset: |
|
|
name: validation set |
|
|
type: validation-set |
|
|
metrics: |
|
|
- type: cosine_accuracy |
|
|
value: 0.9715909090909091 |
|
|
name: Cosine Accuracy |
|
|
- type: dot_accuracy |
|
|
value: 0.028409090909090908 |
|
|
name: Dot Accuracy |
|
|
- type: manhattan_accuracy |
|
|
value: 0.9715909090909091 |
|
|
name: Manhattan Accuracy |
|
|
- type: euclidean_accuracy |
|
|
value: 0.9715909090909091 |
|
|
name: Euclidean Accuracy |
|
|
- type: max_accuracy |
|
|
value: 0.9715909090909091 |
|
|
name: Max Accuracy |
|
|
- task: |
|
|
type: triplet |
|
|
name: Triplet |
|
|
dataset: |
|
|
name: test set |
|
|
type: test-set |
|
|
metrics: |
|
|
- type: cosine_accuracy |
|
|
value: 0.9943502824858758 |
|
|
name: Cosine Accuracy |
|
|
- type: dot_accuracy |
|
|
value: 0.005649717514124294 |
|
|
name: Dot Accuracy |
|
|
- type: manhattan_accuracy |
|
|
value: 0.9943502824858758 |
|
|
name: Manhattan Accuracy |
|
|
- type: euclidean_accuracy |
|
|
value: 0.9943502824858758 |
|
|
name: Euclidean Accuracy |
|
|
- type: max_accuracy |
|
|
value: 0.9943502824858758 |
|
|
name: Max Accuracy |
|
|
--- |
|
|
|
|
|
# Multilingual E5 Large trained with triplet loss |
|
|
|
|
|
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large) on the csv dataset. 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:** [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large) <!-- at revision ab10c1a7f42e74530fe7ae5be82e6d4f11a719eb --> |
|
|
- **Maximum Sequence Length:** 512 tokens |
|
|
- **Output Dimensionality:** 1024 tokens |
|
|
- **Similarity Function:** Cosine Similarity |
|
|
- **Training Dataset:** |
|
|
- csv |
|
|
- **Language:** multilingual |
|
|
- **License:** apache-2.0 |
|
|
|
|
|
### 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': 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}) |
|
|
(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("RamsesDIIP/me5-large-construction") |
|
|
# Run inference |
|
|
sentences = [ |
|
|
"Formación de junta de trabajo interior, en piezas hormigonadas 'in situ', con junta de PVC de 24 cm de ancho y de 3,5 mm de espesor", |
|
|
"Instalación de juntas de trabajo internas en elementos de hormigón vertido 'in situ', utilizando juntas de PVC de 24 cm de ancho y 3,5 mm de grosor.", |
|
|
'Instalación de paneles prefabricados, utilizando sellador de silicona de 12 cm de ancho y 5 mm de espesor.', |
|
|
] |
|
|
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: `validation-set` |
|
|
* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator) |
|
|
|
|
|
| Metric | Value | |
|
|
|:-------------------|:-----------| |
|
|
| cosine_accuracy | 0.9716 | |
|
|
| dot_accuracy | 0.0284 | |
|
|
| manhattan_accuracy | 0.9716 | |
|
|
| euclidean_accuracy | 0.9716 | |
|
|
| **max_accuracy** | **0.9716** | |
|
|
|
|
|
#### Triplet |
|
|
* Dataset: `test-set` |
|
|
* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator) |
|
|
|
|
|
| Metric | Value | |
|
|
|:-------------------|:-----------| |
|
|
| cosine_accuracy | 0.9944 | |
|
|
| dot_accuracy | 0.0056 | |
|
|
| manhattan_accuracy | 0.9944 | |
|
|
| euclidean_accuracy | 0.9944 | |
|
|
| **max_accuracy** | **0.9944** | |
|
|
|
|
|
<!-- |
|
|
## 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 |
|
|
|
|
|
#### csv |
|
|
|
|
|
* Dataset: csv |
|
|
* Size: 1,765 training samples |
|
|
* Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code> |
|
|
* Approximate statistics based on the first 1000 samples: |
|
|
| | anchor | positive | negative | |
|
|
|:--------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------| |
|
|
| type | string | string | string | |
|
|
| details | <ul><li>min: 13 tokens</li><li>mean: 105.38 tokens</li><li>max: 317 tokens</li></ul> | <ul><li>min: 14 tokens</li><li>mean: 101.15 tokens</li><li>max: 282 tokens</li></ul> | <ul><li>min: 14 tokens</li><li>mean: 85.69 tokens</li><li>max: 265 tokens</li></ul> | |
|
|
* Samples: |
|
|
| anchor | positive | negative | |
|
|
|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| |
|
|
| <code>Placas nervadas tipo pi o doble t de hormigón armado, de 35 cm de altura y 120 a 140 cm de anchura, con junta lateral abierta inferiormente, de 205 a 220 kN·m de momento flector último por m de ancho, para una luz máxima de 12 m, para forjado con capa de compresión mínima de 10 cm, colocadas sobre estructura</code> | <code>Placas de hormigón armado tipo pi o doble t, con dimensiones de 35 cm de altura y entre 120 y 140 cm de ancho, diseñadas con junta lateral abierta en la parte inferior, capaces de soportar un momento flector último de 205 a 220 kN·m por metro de ancho, adecuadas para luces de hasta 12 m y con un forjado que incluya una capa de compresión mínima de 10 cm, instaladas sobre una estructura.</code> | <code>Placas de yeso laminado de 35 cm de altura y 120 a 140 cm de anchura, con junta lateral cerrada, para una luz máxima de 12 m, para tabiques con aislamiento acústico de 10 cm, colocadas sobre estructura.</code> | |
|
|
| <code>Puerta cortafuegos de una hoja corredera de acero galvanizado, EI2-C 60, para un hueco de obra de más de 12 m2, colocada</code> | <code>Puerta cortafuegos de una sola hoja deslizante de acero galvanizado, clasificación EI2-C 60, instalada en un espacio de obra superior a 12 m2.</code> | <code>Puerta de acceso principal de madera maciza, sin clasificación de resistencia al fuego, para un espacio de almacenamiento de menos de 10 m2, instalada.</code> | |
|
|
| <code>Pavimento de mezcla bituminosa continua en caliente tipo AC 32 bin B 50/70 S, con betún asfáltico de penetración, de granulometría semidensa para capa intermedia y árido calcáreo, extendida y compactada, en entorno urbano sin dificultad de movilidad, en aceras > 3 y <= 5 m de ancho o calzada/plataforma única > 7 y <= 12 m de ancho, con afectación por servicios o elementos de mobiliario urbano, en actuaciones de hasta 1 m2</code> | <code>Pavimento de asfalto continuo en caliente tipo AC 32 bin B 50/70 S, utilizando betún asfáltico de penetración y granulometría semidensa para la capa intermedia, con árido calcáreo, aplicado y compactado en áreas urbanas con buena accesibilidad, en aceras de más de 3 y hasta 5 m de ancho o calzadas/plataformas únicas de más de 7 y hasta 12 m de ancho, considerando la interferencia de servicios o mobiliario urbano, en proyectos de hasta 1 m2.</code> | <code>Pavimento de hormigón armado con aditivos especiales para mejorar la resistencia a la compresión, diseñado para áreas industriales con tráfico pesado, en losas de más de 10 m de ancho, sin restricciones de acceso, en proyectos de más de 50 m2.</code> | |
|
|
* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters: |
|
|
```json |
|
|
{ |
|
|
"distance_metric": "TripletDistanceMetric.EUCLIDEAN", |
|
|
"triplet_margin": 5 |
|
|
} |
|
|
``` |
|
|
|
|
|
### Evaluation Dataset |
|
|
|
|
|
#### csv |
|
|
|
|
|
* Dataset: csv |
|
|
* Size: 1,765 evaluation samples |
|
|
* Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code> |
|
|
* Approximate statistics based on the first 1000 samples: |
|
|
| | anchor | positive | negative | |
|
|
|:--------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------| |
|
|
| type | string | string | string | |
|
|
| details | <ul><li>min: 26 tokens</li><li>mean: 106.52 tokens</li><li>max: 298 tokens</li></ul> | <ul><li>min: 31 tokens</li><li>mean: 103.53 tokens</li><li>max: 254 tokens</li></ul> | <ul><li>min: 25 tokens</li><li>mean: 87.43 tokens</li><li>max: 247 tokens</li></ul> | |
|
|
* Samples: |
|
|
| anchor | positive | negative | |
|
|
|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| |
|
|
| <code>Perforación de pantalla en terreno blando, de 45 cm de espesor con lodo tixotrópico y hormigonado con hormigón HA-35/L / 10 / IIa de consistencia líquida, tamaño máximo del árido 10 mm, con >= 375 kg/m3 de cemento, aditivo hidrófugo/superplastificante, apto para clase de exposición IIa, con el equipo de lodos incluido</code> | <code>Perforación de pantalla en suelo blando de 45 cm de grosor, utilizando lodo tixotrópico y hormigón HA-35/L / 10 / IIa de consistencia fluida, con un tamaño máximo de árido de 10 mm, conteniendo al menos 375 kg/m3 de cemento, aditivo hidrófugo y superplastificante, adecuado para la clase de exposición IIa, incluyendo el equipo de lodos necesario.</code> | <code>Instalación de paneles solares en terreno duro, con una base de 60 cm de espesor y utilizando cemento convencional, sin aditivos especiales, apto para condiciones climáticas extremas, con un equipo de montaje estándar.</code> | |
|
|
| <code>Falso techo de lamas de aluminio prelacado, con canto circular con pestaña, de 185 mm de anchura y 16 mm de altura, color estándar, con la superficie perforada, montadas en posición horizontal, separadas 15 mm, fijadas a presión sobre estructura de perfiles omega con troquel para fijación clipada de acero galvanizado, con perfil de refuerzo, separados <= 1.5 m, colgados con supensión autoniveladora de barra roscada, separadas <= 1.2 m, fijadas mecánicamente al forjado</code> | <code>Techo falso de paneles de aluminio prelacado, con borde redondeado y pestaña, de 185 mm de ancho y 16 mm de alto, en color estándar, con perforaciones en la superficie, instalados horizontalmente, con una separación de 15 mm, asegurados a presión sobre una estructura de perfiles omega con troqueles para fijación clipada de acero galvanizado, reforzados con perfiles, separados a un máximo de 1.5 m, suspendidos con un sistema autonivelador de barra roscada, separados a un máximo de 1.2 m, fijados mecánicamente al forjado.</code> | <code>Techo acústico de paneles de yeso laminado, con borde recto, de 120 mm de ancho y 12 mm de grosor, acabado en pintura mate, con superficie lisa, instalados en posición vertical, separados 20 mm, fijados con adhesivo sobre estructura de perfiles en U, con refuerzo de madera, separados <= 2 m, suspendidos con cables ajustables, separados <= 1.5 m, fijados a la pared.</code> | |
|
|
| <code>Canalización con uno tubo curvable corrugado de polietileno de 110 mm de diámetro nominal, de doble capa, y dado de recubrimiento de 40x30 cm con hormigón de uso no estructural HNE-20/P/20 de resistencia a compresión 20 N/mm2, consistencia plástica y tamaño máximo del árido 20 mm, cuerda guía en cada tubo, parte proporcional de accesorios de unión, separadores y obturadores, en entorno urbano sin dificultad de movilidad, en aceras > 5 m de ancho o calzada/plataforma única > 12 m de ancho, sin afectación por servicios o elementos de mobiliario urbano, en actuaciones de hasta 1 m</code> | <code>Instalación de un sistema de canalización utilizando un tubo flexible corrugado de polietileno de 110 mm de diámetro nominal, con doble capa, y recubierto con hormigón no estructural HNE-20/P/20 de resistencia a compresión de 20 N/mm2, consistencia plástica y un tamaño máximo de árido de 20 mm, incluyendo cuerda guía en cada tubo, así como la proporción adecuada de accesorios de unión, separadores y obturadores, en un entorno urbano con fácil acceso, en aceras de más de 5 m de ancho o calzadas/plataformas de más de 12 m de ancho, sin interferencias de servicios o elementos de mobiliario urbano, en proyectos de hasta 1 m de profundidad.</code> | <code>Instalación de un sistema de drenaje con tuberías de PVC rígido de 75 mm de diámetro, de una sola capa, y revestimiento de 30x20 cm con asfalto de alta resistencia, diseñado para soportar cargas estructurales, con una resistencia a compresión de 30 N/mm2, consistencia seca y tamaño máximo del árido de 10 mm, sin cuerda guía, incluyendo una cantidad adecuada de conectores, soportes y tapas, en un entorno rural con acceso limitado, en caminos de tierra de menos de 3 m de ancho, con interferencias por servicios públicos y elementos de paisajismo, en proyectos de más de 2 m.</code> | |
|
|
* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters: |
|
|
```json |
|
|
{ |
|
|
"distance_metric": "TripletDistanceMetric.EUCLIDEAN", |
|
|
"triplet_margin": 5 |
|
|
} |
|
|
``` |
|
|
|
|
|
### Training Hyperparameters |
|
|
#### Non-Default Hyperparameters |
|
|
|
|
|
- `eval_strategy`: steps |
|
|
- `per_device_train_batch_size`: 4 |
|
|
- `per_device_eval_batch_size`: 4 |
|
|
- `learning_rate`: 2e-05 |
|
|
- `warmup_ratio`: 0.1 |
|
|
- `fp16`: True |
|
|
- `batch_sampler`: no_duplicates |
|
|
|
|
|
#### 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`: 2e-05 |
|
|
- `weight_decay`: 0.0 |
|
|
- `adam_beta1`: 0.9 |
|
|
- `adam_beta2`: 0.999 |
|
|
- `adam_epsilon`: 1e-08 |
|
|
- `max_grad_norm`: 1.0 |
|
|
- `num_train_epochs`: 3 |
|
|
- `max_steps`: -1 |
|
|
- `lr_scheduler_type`: linear |
|
|
- `lr_scheduler_kwargs`: {} |
|
|
- `warmup_ratio`: 0.1 |
|
|
- `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`: no_duplicates |
|
|
- `multi_dataset_batch_sampler`: proportional |
|
|
|
|
|
</details> |
|
|
|
|
|
### Training Logs |
|
|
| Epoch | Step | Training Loss | Validation Loss | validation-set_max_accuracy | test-set_max_accuracy | |
|
|
|:------:|:----:|:-------------:|:---------------:|:---------------------------:|:---------------------:| |
|
|
| 0 | 0 | - | - | 0.9830 | - | |
|
|
| 0.2833 | 100 | 4.4372 | 3.6833 | 1.0 | - | |
|
|
| 0.5666 | 200 | 3.724 | 3.4490 | 0.9943 | - | |
|
|
| 0.8499 | 300 | 3.5575 | 3.5777 | 0.9886 | - | |
|
|
| 1.1331 | 400 | 3.4996 | 3.4224 | 0.9773 | - | |
|
|
| 1.4164 | 500 | 3.4846 | 3.3883 | 0.9943 | - | |
|
|
| 1.6997 | 600 | 3.4126 | 3.4181 | 0.9886 | - | |
|
|
| 1.9830 | 700 | 3.3225 | 3.3863 | 0.9773 | - | |
|
|
| 2.2663 | 800 | 3.3446 | 3.3971 | 0.9716 | - | |
|
|
| 2.5496 | 900 | 3.3351 | 3.3816 | 0.9773 | - | |
|
|
| 2.8329 | 1000 | 3.2597 | 3.3936 | 0.9716 | - | |
|
|
| 3.0 | 1059 | - | - | - | 0.9944 | |
|
|
|
|
|
|
|
|
### Framework Versions |
|
|
- Python: 3.10.12 |
|
|
- Sentence Transformers: 3.2.0 |
|
|
- 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 |
|
|
```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.* |
|
|
--> |
