Initial model upload

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+tokenizer.json filter=lfs diff=lfs merge=lfs -text

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "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
+}

README.md

@@ -0,0 +1,486 @@
+---
+base_model: sentence-transformers/use-cmlm-multilingual
+datasets: []
+language: []
+library_name: sentence-transformers
+pipeline_tag: sentence-similarity
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:200000
+- loss:ContrastiveLoss
+widget:
+- source_sentence: 'Сапоги ALEX for me 1: Одежда и обувь, 2: Обувь, 3: Повседневная
+    обувь, 4: Сапоги,Вид каблука: [''Без каблука''], Длина стельки, см: [''27,5''],
+    Российский размер (обуви): [''42''], Пол: [''Женский''], Информация о размерах:
+    [''Задавайте любые вопросы, с удовольствием поможем Вам подобрать подходящий размер.''],
+    Вид застёжки: [''Молния''], Сезон: [''Зима''], Внутренний материал: [''Евромех''],
+    Коллекция: [''Базовая коллекция''], Высота платформы, см: [''3.5''], Тип пронации:
+    [''Нейтральная''], Бренд в одежде и обуви: [''ALEX for me''], Страна бренда: [''Россия''],'
+  sentences:
+  - 'Сапоги ALEX for me 1: Одежда и обувь, 2: Обувь, 3: Повседневная обувь, 4: Сапоги,Вид
+    каблука: [''Без каблука''], Длина стельки, см: [''27''], Российский размер (обуви):
+    [''42''], Пол: [''Женский''], Информация о размерах: [''Задавайте любые вопросы,
+    с удовольствием поможем Вам подобрать подходящий размер.''], Вид застёжки: [''Молния''],
+    Сезон: [''Зима''], Материал: [''Натуральная кожа''], Внутренний материал: [''Натуральный
+    мех''], Коллекция: [''Базовая коллекция''], Высота платформы, см: [''3.5''], Тип
+    пронации: [''Нейтральная''], Бренд в одежде и обуви: [''ALEX for'
+  - '30 700 МЕ/кг, витамин D3 1610 МЕ/кг, витамин Е (ал-рац-альфа-токоферилацетат)
+    72 мг/кг, хлорид холина 1500 мг/кг, селен (селенит натрия 0,27). мг/кг) 0,12 мг/кг,
+    Марганец (моногидрат сульфата марганца 57,7 мг/кг) 18,7 мг/кг, Цинк''], Класс
+    корма: [''Супер-премиум''], Gemon Cat Adult Sterilized (Тунец, лосось)Полноценный
+    корм для стерилизованных взрослых кошек.Состав характеризуется качественными ингредиентами,
+    такими как тунец и лосось, источниками необходимых питательных веществ, и рисом,
+    источником углеводов, приготовленных и легко усвояемых в процессе экструзии. Идеальная'
+  - 'Материал подклада/внутренней отделки: [''Хлопок''], Стиль: [''Коктейльный'',
+    ''Повседневное''], Коллекция: [''Осень-зима 2023''], Рост модели на фото: [''180
+    см''], Декоративные элементы: [''Карманы''], Размер на модели: [''58''], Состав
+    материала: [''72,1 % хлопок, 20,6 % полиэфирное волокно, 5,0 % вискозное волокно,
+    2,3 % нейлон''], Рисунок: [''Однотонный''], Размер производителя: [''S''], Бренд
+    в одежде и обуви: [''CCONCOSS''], Стиль: Уличный, Модный, Повседневный<br/><br/>стиль:
+    длинный<br/><br/>Тип брюк: прямые<br/><br/>Тип талии: средняя талия<br/><br/>Талия:
+    ширинка на шнурке<br/><br/>Название ткани: джинсовая ткань<br/><br/>Состав ткани:
+    72,1 % хлопок,'
+- source_sentence: 'STEVIOSIDE, CAMELLIA SINENSIS LEAF EXTRACT, ROSMARINUS OFFICINALIS
+    (ROSEMARY) EXTRACT, ROYAL JELLY EXTRACT, DAUCUS CAROTA SATIVA (CARROT) ROOT EXTRACT,
+    SALVIA OFFICINALIS (SAGE) EXTRACT, CHAMOMILLA RECUTITA (MATRICARIA) EXTRACT, CALENDULA
+    OFFICINALIS EXTRACT, PUNICA GRANATUM FRUIT EXTRACT, TOCOPHERYL ACETATE, FRAGRANCE,
+    LIMONENE''], Объем, мл: [''450''], Бренд: [''Kundal''], Тип: [''Набор зубных паст''],
+    Страна-изготовитель: [''Корея''], Название аромата: [''освежающая мята''], Особенности
+    состава: [''Без парабенов'', ''Не тестируется на животных'', ''Подходит для ежедневного
+    применения''], Действие: [''Комплексный уход'', ''Отбеливание'', ''Против неприятного'
+  sentences:
+  - (ND) (2004-2015)</p>"
+  - 'семян: [''райграс, овсянница, мятлик''], Жизненный цикл: [''Многолетник''], Время
+    урожая: [''Апрель''], Семена газонной травы<br/><br/>Травосмесь для солнечных
+    и неравномерно освещенных участков.<br/><br/>Универсальная травосмесь с высокой
+    декоративностью.<br/><br/>Подходит для создания газонов на детских площадках,
+    около частных домов, на открытых лужайках в парках.<br/><br/>Газонная трава быстро
+    развивается после посева, формирует густой и прочный травостой.<br/><br/>Обладает
+    устойчивостью к вытаптыванию и повышенной засухоустойчивостью.<br/><br/>Медленно
+    отрастает после скашивания.<br/><br/>Норма высева: 30-35 г/м2.<br/><br/>Состав:<br/><br/>-
+    овсяница тростниковая Старлетт 40%<br/><br/>- овсяница красная Мистик 20%<br/><br/>-
+    мятлик луговой Компакт'
+  - 'STEVIOSIDE, SODIUM CHLORIDE, CAMELLIA SINENSIS LEAF EXTRACT, ROSMARINUS OFFICINALIS
+    (ROSEMARY) EXTRACT, ROYAL JELLY EXTRACT, DAUCUS CAROTA SATIVA (CARROT) ROOT EXTRACT,
+    SALVIA OFFICINALIS (SAGE) EXTRACT, CHAMOMILLA RECUTITA (MATRICARIA) EXTRACT, CALENDULA
+    OFFICINALIS EXTRACT, PUNICA GRANATUM FRUIT EXTRACT, TOCOPHERYL ACETATE, MENTHOL,
+    FRAGRANCE, CITRAL, LIMONENE''], Объем, мл: [''450''], Бренд: [''Kundal''], Тип:
+    [''Набор зубных паст''], Страна-изготовитель: [''Корея''], Название аромата: [''лимонная
+    соль''], Особенности состава: [''Без парабенов'', ''Не тестируется на животных'',
+    ''Подходит для ежедневного применения''], Вес, г:'
+- source_sentence: этот прекрасный компьютерный стол "Stalker" от Stalkermebel, который
+    станет отличным дополнением для вашего домашнего офиса или игровой комнаты. И
+    если вам нужен письменный стол, который бы сочетал в себе элегантный дизайн и
+    практичность, то обратите внимание на другие изделия нашей компании. <br/>
+  sentences:
+  - этот прекрасный компьютерный стол "Stalker" от Stalkermebel, который станет отличным
+    дополнением для вашего домашнего офиса или игровой комнаты. И если вам нужен письменный
+    стол, который бы сочетал в себе элегантный дизайн и практичность, то обратите
+    внимание на другие изделия нашей компании. <br/>
+  - 'Поводок-рулетка для собак Ferplast Amigo Mini со сменной крышкой корпуса (бежево-фиолетовая,
+    шнур) 3 м./до 12 кг. 1: EPG, 2: Товары для животных, 3: Аксессуар для прогулки
+    и дрессировки, 4: Поводок,Артикул: [''75700019''], Комплектация: [''Товар в фабричной
+    упаковке''], Размер упаковки (Длина х Ширина х Высота), см: [''25х 10''], Размер
+    животного: [''Малый'', ''Средний''], Бренд: [''FERPLAST''], Тип: [''Поводок''],
+    Материал: [''ABS пластик''], Вид поводка: [''Рулетка''], Предназначено для: [''Для
+    кошек'', ''Для собак''], Размеры, мм: [''25х 10''],'
+  - 'Вес товара, г: [''15''], Леденец Цифра 3 из изомальта Mon Realle 15г Россия -
+    1 шт.'
+- source_sentence: 'Магнитный конструктор/Детский конструктор "Цветные магниты", 17
+    деталей 1: EPG, 2: Детские товары, 3: Конструкторы, 4: Магнитный конструктор,Цвет
+    товара: [''разноцветный''], Пол ребенка: [''Унисекс''], Название цвета: [''разноцветный''],
+    Бре��д: [''ANGE DE LUNE''], Тип: [''Конструктор магнитный''], Страна-изготовитель:
+    [''Китай''], Минимальный возраст ребенка: [''От 1 года''], Материал: [''Магнит'',
+    ''Пластик''], Максимальный возраст ребенка: [''До 5 лет''], Почувствуйте силу
+    притяжения! Представляем вашему вниманию конструктор нового поколения, который
+    будет интересен не только детям, но и их родителям. Магнитный конструктор'
+  sentences:
+  - 'учитывать уровень активности ребенка.<br/><br/>Инструкция по уходу: Перед стиркой
+    необходимо отстегнуть мех! Очень деликатная стирка при макс. 30°C; Не отбеливать;
+    Не сушить в сушильной машине; Гладить при макс. 110 °C без пара; Деликатная химчистка
+    в тетрахлорэтене или в углеводородах; Очень деликатная профессиональная влажная
+    чистка; Сушить на горизонтальной поверхности в тени; Стирать отдельно; Гладить
+    с использованием ткани для глажения; Рекомендуется стирка и утюжка с изнаночной
+    стороны.<br/><br/>ЗАЩИТИТЬ ФУРНИТУРУ ПЕРЕД СТИРКОЙ'
+  - 'Конструктор магнитный Цветные магниты, 17 деталей 1: EPG, 2: Детские товары,
+    3: Конструкторы, 4: Магнитный конструктор,Цвет товара: [''разноцветный''], Пол
+    ребенка: [''Унисекс''], Тематика конструкторов: [''Фантазия без границ''], Количество
+    элементов, шт: [''17''], Бренд: [''CUBU''], Тип: [''Конструктор магнитный''],
+    Страна-изготовитель: [''Китай''], Особенности конструктора: [''Магнитный''], Минимальный
+    возраст ребенка: [''От 3 лет''], Материал: [''Металл'', ''Пластик''], Максимальный
+    возраст ребенка: [''До 18 лет''], Почувствуйте силу притяжения!Представляем вашему
+    вниманию конструктор нового поколения, который будет интересен не только детям,
+    но'
+  - '''Коридор'', ''Мансарда'', ''Мастер-спальня'', ''Офис'', ''Прихожая'', ''Спальня'',
+    ''Студия'', ''Студия-кухня'', ''Терраса'', ''Торговый зал'', ''Холл''], Материал
+    чехла: [''Жаккард''], Материал наполнителя: [''Memory Foam'', ''Меморикс'', ''Пена
+    Memory Gel''], Бренд: [''SLEEP A LOT''], Особенности матраса: [''Гипоаллергенный
+    наполнитель'', ''Зоны комфорта'', ''Стеганое покрытие'', ''Съемный чехол'', ''Эффект
+    памяти''], Длина, см: [''170''], Минимальная жесткость: [''Мягкий''], Максимальная
+    жесткость: [''Мягкий''], Высота, см: [''4''], Вид выпуска товара: [''Фабричное
+    производство''], Ширина, см: [''135''], Вес товара, г: [''5000''], Топпер GARRETT
+    Aydon — это отличная модель'
+- source_sentence: 'флексов: [''Да''], Пол: [''Женский''], Коллекция (год): [''2022.0''],
+    Общая ширина, мм: [''142''], Цвет товара: [''бежевый''], Ширина линзы, мм: [''53''],
+    Название цвета: [''BEIGE & CRYSTAL''], Высота линзы, мм: [''52''], Размер заушника,
+    мм: [''148''], Бренд: [''Boccaccio''], Оптическая сила: [''0.00''], Размер моста
+    на переносице, мм: [''20''], Форма лица: [''Квадратная'', ''Круглая'', ''Овальная'',
+    ''Прямоугольная'', ''Треугольная''], Покрытие линз: [''Упрочняющее, просветляющее,
+    металлизированное (защита от электромагнитных волн) UV-380, водоотталкивающее
+    и антистатическое''], Расстояние между оптическими центрами: [''62-64''], Форма
+    оправы: [''Круглая''],'
+  sentences:
+  - Изначально сборка паяется с разъёмом SMA-male, после чего интегрируется (накручивается,
+    конечно) переходник с SMA-female на запрашиваемый. Сборка поставляется вместе
+    с переходником (или даже с двумя, если оба разъема попадают под данную ремарку).<br>
+    О кабеле:<br> Кабель имеет толщину примерно 7,58 миллиметров, сборка создана на
+    кабеле 5D-FB CCA 50 Ом, материал оболочки - PVC. Диаметр центральной жилы - 1.8
+    мм, диаметр изоляции (не кабеля) - 4.9 мм, материал изоляции - вспененный полиэтилен,
+  - 'Радиоуправляемый краулер Huang Bo 4WD RTR масштаб 1:10 2.4G - HB-ZP1005 1: EPG,
+    2: Детские товары, 3: Радиоуправляемые игрушки, 4: Машинка радиоуправляемая,Радиус
+    действия, м: [''60''], Пол ребенка: [''Мальчик''], Время работы, мин: [''20''],
+    Максимальная скорость, км/ч: [''15''], Тип: [''Машинка радиоуправляемая''], Страна-изготовитель:
+    [''Китай''], Питание радиоуправляемой модели: [''Сменная батарея''], Типоразмер
+    батареек пульта: [''AA''], Управление радиоуправляемой моделью: [''Пульт Д/У''],
+    Питание пульта: [''Сменная батарея''], Цвет товара: [''желтый''], Масштаб радиоуправляемой
+    игрушки: [''1/10''], Особенности радиоуправляемых игрушек: [''Световые'
+  - 'флексов: [''Да''], Пол: [''Женский''], Коллекция (год): [''2022.0''], Общая ширина,
+    мм: [''142''], Цвет товара: [''бежевый''], Ширина линзы, мм: [''53''], Название
+    цвета: [''BEIGE & CRYSTAL''], Высота линзы, мм: [''52''], Размер заушника, мм:
+    [''148''], Бренд: [''Boccaccio''], Оптическая сила: [''-1.00''], Размер моста
+    на переносице, мм: [''20''], Форма лица: [''Квадратная'', ''Круглая'', ''Овальная'',
+    ''Прямоугольная'', ''Треугольная''], Покрытие линз: [''Упрочняющее, просветляющее,
+    металлизированное (защита от электромагнитных волн) UV-380, водоотталкивающее
+    и антистатическое''], Расстояние между оптическими центрами: [''62-64''], Форма
+    оправы: [''Круглая''],'
+---
+
+# SentenceTransformer based on sentence-transformers/use-cmlm-multilingual
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sentence-transformers/use-cmlm-multilingual](https://huggingface.co/sentence-transformers/use-cmlm-multilingual). 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/use-cmlm-multilingual](https://huggingface.co/sentence-transformers/use-cmlm-multilingual) <!-- at revision 6f8ff6583c371cbc4d6d3b93a5e37a888fd54574 -->
+- **Maximum Sequence Length:** 256 tokens
+- **Output Dimensionality:** 768 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': 256, '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})
+  (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("sentence_transformers_model_id")
+# Run inference
+sentences = [
+    "флексов: ['Да'], Пол: ['Женский'], Коллекция (год): ['2022.0'], Общая ширина, мм: ['142'], Цвет товара: ['бежевый'], Ширина линзы, мм: ['53'], Название цвета: ['BEIGE & CRYSTAL'], Высота линзы, мм: ['52'], Размер заушника, мм: ['148'], Бренд: ['Boccaccio'], Оптическая сила: ['0.00'], Размер моста на переносице, мм: ['20'], Форма лица: ['Квадратная', 'Круглая', 'Овальная', 'Прямоугольная', 'Треугольная'], Покрытие линз: ['Упрочняющее, просветляющее, металлизированное (защита от электромагнитных волн) UV-380, водоотталкивающее и антистатическое'], Расстояние между оптическими центрами: ['62-64'], Форма оправы: ['Круглая'],",
+    "флексов: ['Да'], Пол: ['Женский'], Коллекция (год): ['2022.0'], Общая ширина, мм: ['142'], Цвет товара: ['бежевый'], Ширина линзы, мм: ['53'], Название цвета: ['BEIGE & CRYSTAL'], Высота линзы, мм: ['52'], Размер заушника, мм: ['148'], Бренд: ['Boccaccio'], Оптическая сила: ['-1.00'], Размер моста на переносице, мм: ['20'], Форма лица: ['Квадратная', 'Круглая', 'Овальная', 'Прямоугольная', 'Треугольная'], Покрытие линз: ['Упрочняющее, просветляющее, металлизированное (защита от электромагнитных волн) UV-380, водоотталкивающее и антистатическое'], Расстояние между оптическими центрами: ['62-64'], Форма оправы: ['Круглая'],",
+    'Изначально сборка паяется с разъёмом SMA-male, после чего интегрируется (накручивается, конечно) переходник с SMA-female на запрашиваемый. Сборка поставляется вместе с переходником (или даже с двумя, если оба разъема попадают под данную ремарку).<br> О кабеле:<br> Кабель имеет толщину примерно 7,58 миллиметров, сборка создана на кабеле 5D-FB CCA 50 Ом, материал оболочки - PVC. Диаметр центральной жилы - 1.8 мм, диаметр изоляции (не кабеля) - 4.9 мм, материал изоляции - вспененный полиэтилен,',
+]
+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]
+```
+
+<!--
+### 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.*
+-->
+
+<!--
+## 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: 200,000 training samples
+* Columns: <code>sentence_0</code>, <code>sentence_1</code>, and <code>label</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | sentence_0                                                                          | sentence_1                                                                          | label                                           |
+  |:--------|:------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:------------------------------------------------|
+  | type    | string                                                                              | string                                                                              | int                                             |
+  | details | <ul><li>min: 3 tokens</li><li>mean: 155.76 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 3 tokens</li><li>mean: 153.29 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>0: ~55.40%</li><li>1: ~44.60%</li></ul> |
+* Samples:
+  | sentence_0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                      | sentence_1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   | label          |
+  |:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------|
+  | <code>Удилище с катушкой в комплекте - леска, поплавок, грузило 1: EPG, 2: Спорт и отдых, 3: Аксессуары и принадлежности для рыбалки, 4: Удилище,Количество колец: ['7'], Материал удилища: ['Карбон'], Бренд: ['Нет бренда'], Тип: ['Удилище с катушкой'], Рабочая длина, см: ['370'], Конструкция удилища: ['Телескопическая'], Длина в сложенном виде, см: ['65'], Вершинка удилища: ['Вклеенная монолитная (solid tip)'], Количество секций: ['7'], Длина рукояти, см: ['40'], Вес товара, г: ['460'], Удочка (удилище) - удобная и</code>                  | <code>Удилище с катушкой в комплекте - леска, поплавок, грузило, 200 см 1: EPG, 2: Спорт и отдых, 3: Аксессуары и принадлежности для рыбалки, 4: Удилище,Количество колец: ['4'], Материал удилища: ['Карбон'], Бренд: ['Нет бренда'], Тип: ['Удилище с катушкой'], Рабочая длина, см: ['200'], Конструкция удилища: ['Телескопическая'], Длина в сложенном виде, см: ['45'], Вершинка удилища: ['Вклеенная монолитная (solid tip)'], Количество секций: ['4'], Длина рукояти, см: ['28'], Вес товара, г: ['270'], Удочка (удилище) -</code> | <code>0</code> |
+  | <code>['Мягкая обложка'], Язык издания: ['Русский'], Предмет обучения: ['История'], <p>Атлас предназначен для углубления знаний учащихся по курсу Новой истории. Картографический материал, включенный в атлас, соответствует Государственному образовательному стандарту. </p> <p>Атлас может быть использован в комплекте с основными учебниками по Новой истории как на уроках, так и во внеурочной деятельности. Он содержит богатый материал для самостоятельной работы, дает возможность проверить знания школьников и расширить их кругозор. </p></code> | <code>любителей занимаются приусадебным хозяйством и получают от этого неплохую прибыль.<br>В этой книге собраны материалы, необходимые современному дачнику. Постройка садового домика, уход за садом и огородом, основы интенсивного животноводства - об этом и о многом другом читайте на страницах издания.<br><br>Издание адресовано широкому кругу читателей.</code>                                                                                                                                                                   | <code>0</code> |
+  | <code>комод деревянный также на кухне для посуды.</code>                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                        | <code>деревянный также на кухне для посуды.</code>                                                                                                                                                                                                                                                                                                                                                                                                                                                                                           | <code>0</code> |
+* Loss: [<code>ContrastiveLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#contrastiveloss) with these parameters:
+  ```json
+  {
+      "distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE",
+      "margin": 0.5,
+      "size_average": true
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `per_device_train_batch_size`: 40
+- `per_device_eval_batch_size`: 40
+- `num_train_epochs`: 1
+- `multi_dataset_batch_sampler`: round_robin
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: no
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 40
+- `per_device_eval_batch_size`: 40
+- `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`: False
+- `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
+
+</details>
+
+### Training Logs
+| Epoch | Step | Training Loss |
+|:-----:|:----:|:-------------:|
+| 0.1   | 500  | 0.0449        |
+| 0.2   | 1000 | 0.0356        |
+| 0.3   | 1500 | 0.0328        |
+| 0.4   | 2000 | 0.0311        |
+| 0.5   | 2500 | 0.0304        |
+| 0.6   | 3000 | 0.0302        |
+| 0.7   | 3500 | 0.0293        |
+| 0.8   | 4000 | 0.029         |
+| 0.9   | 4500 | 0.0292        |
+| 1.0   | 5000 | 0.0287        |
+
+
+### Framework Versions
+- Python: 3.10.14
+- Sentence Transformers: 3.0.1
+- Transformers: 4.44.0
+- PyTorch: 2.4.0
+- Accelerate: 0.33.0
+- Datasets: 2.21.0
+- 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",
+}
+```
+
+#### ContrastiveLoss
+```bibtex
+@inproceedings{hadsell2006dimensionality,
+    author={Hadsell, R. and Chopra, S. and LeCun, Y.},
+    booktitle={2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06)}, 
+    title={Dimensionality Reduction by Learning an Invariant Mapping}, 
+    year={2006},
+    volume={2},
+    number={},
+    pages={1735-1742},
+    doi={10.1109/CVPR.2006.100}
+}
+```
+
+<!--
+## 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.*
+-->

config.json

@@ -0,0 +1,32 @@
+{
+  "_name_or_path": "sentence-transformers/use-cmlm-multilingual",
+  "architectures": [
+    "BertModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "classifier_dropout": null,
+  "directionality": "bidi",
+  "gradient_checkpointing": false,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-12,
+  "max_position_embeddings": 512,
+  "model_type": "bert",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 0,
+  "pooler_fc_size": 768,
+  "pooler_num_attention_heads": 12,
+  "pooler_num_fc_layers": 3,
+  "pooler_size_per_head": 128,
+  "pooler_type": "first_token_transform",
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.44.0",
+  "type_vocab_size": 2,
+  "use_cache": true,
+  "vocab_size": 501153
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.0.1",
+    "transformers": "4.44.0",
+    "pytorch": "2.4.0"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:4cd6a4cf7329e8a081dc25fc38891ba01e9bd7ff74623527f71def8fd2f72f26
+size 1883730160

modules.json

@@ -0,0 +1,20 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  },
+  {
+    "idx": 2,
+    "name": "2",
+    "path": "2_Normalize",
+    "type": "sentence_transformers.models.Normalize"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 256,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,37 @@
+{
+  "cls_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "[MASK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "[PAD]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "[SEP]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "[UNK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:92262b29204f8fdc169a63f9005a0e311a16262cef4d96ecfe2a7ed638662ed3
+size 13632172

tokenizer_config.json

@@ -0,0 +1,58 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "[PAD]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "100": {
+      "content": "[UNK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "101": {
+      "content": "[CLS]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "102": {
+      "content": "[SEP]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "103": {
+      "content": "[MASK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "[CLS]",
+  "do_basic_tokenize": true,
+  "do_lower_case": false,
+  "full_tokenizer_file": null,
+  "mask_token": "[MASK]",
+  "model_max_length": 256,
+  "never_split": null,
+  "pad_token": "[PAD]",
+  "sep_token": "[SEP]",
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "unk_token": "[UNK]"
+}