SentenceTransformer based on BAAI/bge-small-zh-v1.5

This is a sentence-transformers model finetuned from BAAI/bge-small-zh-v1.5. It maps sentences & paragraphs to a 512-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: BAAI/bge-small-zh-v1.5
Maximum Sequence Length: 512 tokens
Output Dimensionality: 512 dimensions
Similarity Function: Cosine Similarity

Model Sources

Documentation: Sentence Transformers Documentation
Repository: Sentence Transformers on GitHub
Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': True}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 512, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
    '1.一种面向能源互联网调配管理的数字化系统，其特征在于，包括数字化控制模块(1)、能源站群组、输电线路监测模块(3)、电网稳定性监测模块(4)、供电设备监测模块(5)、发电设备监测模块(6)和负荷供电模块(7)，所述能源站群组包括若干电性连接的能源站(2)，其中：\n\n所述数字化控制模块(1)分别与能源站群组、输电线路监测模块(3)、电网稳定性监测模块(4)、供电设备监测模块(5)、发电设备监测模块(6)电性连接，所述供电设备监测模块(5)和发电设备监测模块(6)与所述负荷供电模块(7)电性连接。\n\n2.根据权利要求1所述的一种面向能源互联网调配管理的数字化系统，其特征在于，所述输电线路监测模块(3)、电网稳定性监测模块(4)、供电设备监测模块(5)、发电设备监测模块(6)用于监测电网运行中供电设备、发电设备、输电线路和用电设备的运行参数，并将该运行参数发送给数字化控制模块(1)。\n\n3.根据权利要求2所述的一种面向能源互联网调配管理的数字化系统，其特征在于，所述数字化控制模块(1)用于接收输电线路监测模块(3)、电网稳定性监测模块(4)、供电设备监测模块(5)、发电设备监测模块(6)发送的运行参数，对该运行参数进行数据分析，获取数据分析结果，依据该数据分析结果进行供配电调配。\n\n4.根据权利要求3所述的一种面向能源互联网调配管理的数字化系统，其特征在于，所述数字化控制模块(1)包括有控制单元(11)、指令单元(14)、决策单元(13)和信息收发单元(12)。\n\n5.根据权利要求4所述的一种面向能源互联网调配管理的数字化系统，其特征在于，所述控制单元(11)分别与指令单元14、决策单元(13)和信息收发单元(12)电性连接，所述指令单元(14)和决策单元(13)电性连接，所述决策单元(13)和信息收发单元(12)电性连接。\n\n6.根据权利要求5所述的一种面向能源互联网调配管理的数字化系统，其特征在于，所述电网稳定性监测模块(4)包括有数据采集单元(41)、数据转化单元(42)、分析单元(43)和数据交换单元(44)，所述数据采集单元(41)、数据转化单元(42)、分析单元(43)均与数据交换单元(44)电性连接。\n\n7.根据权利要求6所述的一种面向能源互联网调配管理的数字化系统，其特征在于，所述负荷供电模块(7)包括有需求获取单元(71)、供电统计单元(72)、匹配单元(73)和切负荷单元(74)。\n\n8.根据权利要求7所述的一种面向能源互联网调配管理的数字化系统，其特征在于，所述需求获取单元(71)、供电统计单元(72)均与匹配单元(73)电性连接，所述匹配单元(73)与切负荷单元(74)电性连接。\n\n9.根据权利要求8所述的一种面向能源互联网调配管理的数字化系统，其特征在于，还包括互联网云端，所述互联网云端与所述数字化控制模块(1)电性连接。\n\n10.根据权利要求9所述的一种面向能源互联网调配管理的数字化系统，其特征在于，互联网云端用于连接互联网数据库，所述数字化控制模块(1)用于向互联网云端发送数据调用指令，互联网云端接收该数据调用指令，依据数据调用指令调取数据后发送给互联网云端。',
    '1.一种基于岸基供电的海上油田群组一体化智能控制系统，其特征在于，包括智能控制平台（1）、海上油田群组、输电线路传输监测模块（3）、电网稳定性监测平台（4）、供电设备监测平台（5）、发电设备监测平台（6）和负荷供电模块（7），所述海上油田群组包括若干电性连接的海上油田平台（2），其中：\n\n所述智能控制平台（1）分别与海上油田群组、输电线路传输监测模块（3）、电网稳定性监测平台（4）、供电设备监测平台（5）、发电设备监测平台（6）电性连接，所述供电设备监测平台（5）和发电设备监测平台（6）与所述负荷供电模块（7）电性连接。\n\n2.根据权利要求1所述的一种基于岸基供电的海上油田群组一体化智能控制系统，其特征在于，所述输电线路传输监测模块（3）、电网稳定性监测平台（4）、供电设备监测平台（5）、发电设备监测平台（6）用于监测电网运行中供电设备、发电设备、输电线路和用电设备的运行参数，并将该运行参数发送给智能控制平台（1）。\n\n3.根据权利要求2所述的一种基于岸基供电的海上油田群组一体化智能控制系统，其特征在于，所述智能控制平台（1）用于接收输电线路传输监测模块（3）、电网稳定性监测平台（4）、供电设备监测平台（5）、发电设备监测平台（6）发送的运行参数，对该运行参数进行数据分析，获取数据分析结果，依据该数据分析结果进行供配电调配。\n\n4.根据权利要求3所述的一种基于岸基供电的海上油田群组一体化智能控制系统，其特征在于，所述智能控制平台（1）包括有总控台（101）、指令收发模块（104）、决策模块（103）和信息接收端（102）。\n\n5.根据权利要求4所述的一种基于岸基供电的海上油田群组一体化智能控制系统，其特征在于，所述总控台（101）分别与指令收发模块（104）、决策模块（103）和信息接收端（102）电性连接，所述指令收发模块（104）和决策模块（103）电性连接，所述决策模块（103）和信息接收端（102）电性连接。\n\n6.根据权利要求5所述的一种基于岸基供电的海上油田群组一体化智能控制系统，其特征在于，所述电网稳定性监测平台（4）包括有电力数据采集端（401）、模数信号转化模块（402）、稳定性分析模块（403）和数据交换模块（404），所述电力数据采集端（401）、模数信号转化模块（402）、稳定性分析模块（403）均与数据交换模块（404）电性连接。\n\n7.根据权利要求6所述的一种基于岸基供电的海上油田群组一体化智能控制系统，其特征在于，所述负荷供电模块（7）包括有负载需求获取模块（701）、供电设备统计模块（702）、匹配模块（703）和切负荷模块（704）。\n\n8.根据权利要求7所述的一种基于岸基供电的海上油田群组一体化智能控制系统，其特征在于，所述负载需求获取模块（701）、供电设备统计模块（702）均与匹配模块（703）电性连接，所述匹配模块（703）与切负荷模块（704）电性连接。\n\n9.根据权利要求8所述的一种基于岸基供电的海上油田群组一体化智能控制系统，其特征在于，还包括互联网云端（8），所述互联网云端（8）与所述智能控制平台（1）电性连接。\n\n10.根据权利要求9所述的一种基于岸基供电的海上油田群组一体化智能控制系统，其特征在于，互联网云端（8）用于连接互联网数据库，所述智能控制平台（1）用于向互联网云端（8）发送数据调用指令，互联网云端（8）接收该数据调用指令，依据数据调用指令调取数据后发送给互联网云端（8）。',
    '{1.一种资源指示方法，其特征在于，包括：,获取下行控制信息；其中，所述下行控制信息包括第一信令；,当所述第一信令用于指示第一时间段内没有数据调度，以及用于确定所述第一时间段内是否为终端配置参考信号资源时，根据所述第一信令，处理所述终端在所述第一时间段内的行为；和/或，,当所述第一信令用于指示在第一起始时刻之后没有数据调度，以及用于确定从所述第一起始时刻之后是否为所述终端配置参考信号资源时，根据所述第一信令，处理所述终端从所述第一起始时刻之后的行为。,2.根据权利要求1所述的方法，其特征在于，所述第一信令用于确定所述第一时间段内是否为终端配置参考信号资源，包括：,所述第一信令用于显性指示所述第一时间段内是否为终端配置参考信号资源；和/或，,所述第一信令用于确定从所述第一起始时刻之后是否为所述终端配置参考信号资源，包括：,所述第一信令用于显性指示从所述第一起始时刻之后是否为所述终端配置参考信号资源。,3.根据权利要求2所述的方法，其特征在于，所述第一信令包括第一指示；,其中，所述第一指示用于指示所述第一时间段内是否为所述终端配置参考信号资源；和/或，,所述第一指示用于指示从所述第一起始时刻之后到不连续接收DRX非激活态定时器计时超时时刻之间的时间段内是否为所述终端配置参考信号资源。,4.根据权利要求2所述的方法，其特征在于，所述第一信令包括第一位图，所述第一位图包括一个或者多个比特，所述一个或者多个比特与所述第一起始时刻之后的一个或者多个参考信号资源一一关联；,所述一个或者多个比特中任一个比特用于指示是否为所述终端在所述第一起始时刻之后配置与所述任一个比特关联的参考信号资源。,5.根据权利要求2所述的方法，其特征在于，所述第一信令还用于指示第二时间段，所述第二时间段的起始时刻为第二起始时刻，所述第一信令还用于指示在所述第二时间段内，为所述终端未配置所述参考信号资源。,6.根据权利要求1所述的方法，其特征在于，所述第一信令用于确定所述第一时间段内是否为所述终端配置参考信号资源，包括：,所述第一信令用于隐式指示所述第一时间段内是否为所述终端配置参考信号资源；和/或，,所述第一信令用于确定从所述第一起始时刻之后是否为所述终端配置参考信号资源，包括：,所述第一信令用于隐式指示从所述第一起始时刻之后是否为所述终端配置参考信号资源。,7.根据权利要求6所述的方法，其特征在于，所述第一信令隐式指示所述第一时间段内是否为所述终端配置参考信号资源，包括：所述第一信令用于指示所述第一时间段。,8.根据权利要求6或7所述的方法，其特征在于，所述第一信令隐式指示从所述第一起始时刻之后是否为所述终端配置参考信号资源，包括：所述第一信令用于指示在所述第一起始时刻停止DRX持续时间定时器和DRX非激活态定时器。,9.根据权利要求1-8任一项所述的方法，其特征在于，所述根据所述第一信令，处理所述终端在所述第一时间段内的行为，包括：,当第一信令指示所述第一时间段内为所述终端配置参考信号资源时，确定在所述第一时间段内是否需要执行移动性无线电资源管理测量；当所述第一信令指示所述第一时间段内未为所述终端配置参考信号资源时，所述终端进入睡眠状态，并且在所述第一时间段内不执行移动性无线电资源管理测量；和/或，,所述根据所述第一信令，处理所述终端从所述第一起始时刻之后的行为，包括：,当第一信令指示所述第一起始时刻之后为所述终端配置参考信号资源时，确定在所述第一起始时刻之后为所述终端配置参考信号资源的时间频率位置上是否需要执行移动性无线电资源管理测量；当所述第一信令指示从所述第一起始时刻之后未为所述终端配置参考信号资源时，所述终端进入睡眠状态，并且在所述第一信令指示未为所述终端配置参考信号资源的时间频率位置上不执行移动性无线电资源管理测量。,10.一种资源指示方法，其特征在于，包括：,确定下行控制信息；,其中，所述下行控制信息包括第一信令，所述第一信令用于指示第一时间段内没有数据调度，以及用于确定所述第一时间段内是否为终端配置参考信号资源；和/或，所述第一信令用于指示在第一起始时刻之后没有数据调度，以及用于确定从所述第一起始时刻之后是否为所述终端配置参考信号资源；,向所述终端发送所述下行控制信息。,11.根据权利要求10所述的方法，其特征在于，所述第一信令用于确定所述第一时间段内是否为所述终端配置参考信号资源，包括：,所述第一信令用于显性指示所述第一时间段内是否为所述终端配置参考信号资源；和/或，,所述第一信令用于确定从所述第一起始时刻之后是否为所述终端配置参考信号资源，包括：,所述第一信令用于显性指示从所述第一起始时刻之后是否为所述终端配置参考信号资源。,12.根据权利要求11所述的方法，其特征在于，所述第一信令包括第一指示；,其中，所述第一指示用于指示所述第一时间段内是否为所述终端配置参考信号资源；和/或，,所述第一指示用于指示从所述第一起始时刻之后到不连续接收DRX非激活态定时器计时超时时刻之间的时间段内是否为所述终端配置参考信号资源。,13.根据权利要求11所述的方法，其特征在于，所述第一信令包括第一位图，所述第一位图包括一个或者多个比特，所述一个或者多个比特与所述第一起始时刻之后的一个或者多个参考信号资源一一关联；,所述一个或者多个比特中任一个比特用于指示是否为所述终端在所述第一起始时刻之后配置与所述任一个比特关联的参考信号资源。,14.根据权利要求11所述的方法，其特征在于，所述第一信令还用于指示第二时间段，所述第二时间段的起始时刻为第二起始时刻，所述第一信令还用于指示在所述第二时间段内，为所述终端未配置所述参考信号资源。,15.根据权利要求10所述的方法，其特征在于，所述第一信令用于确定所述第一时间段内是否为所述终端配置参考信号资源，包括：,所述第一信令用于隐式指示所述第一时间段内是否为所述终端配置参考信号资源；和/或，,所述第一信令用于确定从所述第一起始时刻之后是否为所述终端配置参考信号资源，包括：,所述第一信令用于隐式指示从所述第一起始时刻之后是否为所述终端配置参考信号资源。,16.根据权利要求15所述的方法，其特征在于，所述第一信令隐式指示所述第一时间段内是否为所述终端配置参考信号资源，包括：所述第一信令用于指示所述第一时间段。,17.根据权利要求15或16所述的方法，其特征在于，所述第一信令隐式指示从所述第一起始时刻之后是否为所述终端配置参考信号资源，包括：所述第一信令用于指示在所述第一起始时刻停止DRX持续时间定时器和DRX非激活态定时器。,18.一种资源指示装置，其特征在于，包括：收发单元和处理单元，其中，,所述收发单元，用于获取下行控制信息；其中，所述下行控制信息包括第一信令；,当所述第一信令用于指示第一时间段内没有数据调度，以及用于确定所述第一时间段内是否为终端配置参考信号资源时，所述处理单元，用于根据所述第一信令，处理所述终端在所述第一时间段内的行为；和/或，,当所述第一信令用于指示在第一起始时刻之后没有数据调度，以及用于确定从所述第一起始时刻之后是否为所述终端配置参考信号资源时，所述处理单元，用于根据所述第一信令，处理所述终端从所述第一起始时刻之后的行为。,19.根据权利要求18所述的装置，其特征在于，所述第一信令用于确定所述第一时间段内是否为终端配置参考信号资源，包括：,所述第一信令用于显性指示所述第一时间段内是否为终端配置参考信号资源；和/或，,所述第一信令用于确定从所述第一起始时刻之后是否为所述终端配置参考信号资源，包括：,所述第一信令用于显性指示从所述第一起始时刻之后是否为所述终端配置参考信号资源。,20.根据权利要求19所述的装置，其特征在于，所述第一信令包括第一指示；,其中，所述第一指示用于指示所述第一时间段内是否为所述终端配置参考信号资源；和/或，,所述第一指示用于指示从所述第一起始时刻之后到不连续接收DRX非激活态定时器计时超时时刻之间的时间段内是否为所述终端配置参考信号资源。,21.根据权利要求19所述的装置，其特征在于，所述第一信令包括第一位图，所述第一位图包括一个或者多个比特，所述一个或者多个比特与所述第一起始时刻之后的一个或者多个参考信号资源一一关联；,所述一个或者多个比特中任一个比特用于指示是否为所述终端在所述第一起始时刻之后配置与所述任一个比特关联的参考信号资源。,22.根据权利要求19所述的装置，其特征在于，所述第一信令还用于指示第二时间段，所述第二时间段的起始时刻为第二起始时刻，所述第一信令还用于指示在所述第二时间段内，为所述终端未配置所述参考信号资源。,23.根据权利要求18所述的装置，其特征在于，所述第一信令用于确定所述第一时间段内是否为所述终端配置参考信号资源，包括：,所述第一信令用于隐式指示所述第一时间段内是否为所述终端配置参考信号资源；和/或，,所述第一信令用于确定从所述第一起始时刻之后是否为所述终端配置参考信号资源，包括：,所述第一信令用于隐式指示从所述第一起始时刻之后是否为所述终端配置参考信号资源。,24.根据权利要求23所述的装置，其特征在于，所述第一信令隐式指示所述第一时间段内是否为所述终端配置参考信号资源，包括：所述第一信令用于指示所述第一时间段。,25.根据权利要求23或24所述的装置，其特征在于，所述第一信令隐式指示从所述第一起始时刻之后是否为所述终端配置参考信号资源，包括：所述第一信令用于指示在所述第一起始时刻停止DRX持续时间定时器和DRX非激活态定时器。,26.根据权利要求18-25任一项所述的装置，其特征在于，当第一信令指示所述第一时间段内为所述终端配置参考信号资源时，所述处理单元，具体用于确定在所述第一时间段内是否需要执行移动性无线电资源管理测量；当所述第一信令指示所述第一时间段内未为所述终端配置参考信号资源时，所述处理单元，具体用于控制所述终端进入睡眠状态，并且在所述第一时间段内不执行移动性无线电资源管理测量；和/或，,当第一信令指示所述第一起始时刻之后为所述终端配置参考信号资源时，所述处理单元，具体用于确定在所述第一起始时刻之后为所述终端配置参考信号资源的时间频率位置上是否需要执行移动性无线电资源管理测量；当所述第一信令指示从所述第一起始时刻之后未为所述终端配置参考信号资源时，所述处理单元，具体用于控制所述终端进入睡眠状态，并且在所述第一信令指示未为所述终端配置参考信号资源的时间频率位置上不执行移动性无线电资源管理测量。,27.一种资源指示装置，其特征在于，包括：,处理单元，用于确定下行控制信息；,其中，所述下行控制信息包括第一信令，所述第一信令用于指示第一时间段内没有数据调度，以及用于确定所述第一时间段内是否为终端配置参考信号资源；和/或，所述第一信令用于指示在第一起始时刻之后没有数据调度，以及用于确定从所述第一起始时刻之后是否为所述终端配置参考信号资源；,收发单元，用于向所述终端发送所述下行控制信息。,28.根据权利要求27所述的装置，其特征在于，所述第一信令用于确定所述第一时间段内是否为所述终端配置参考信号资源，包括：,所述第一信令用于显性指示所述第一时间段内是否为所述终端配置参考信号资源；和/或，,所述第一信令用于确定从所述第一起始时刻之后是否为所述终端配置参考信号资源，包括：,所述第一信令用于显性指示从所述第一起始时刻之后是否为所述终端配置参考信号资源。,29.根据权利要求28所述的装置，其特征在于，所述第一信令包括第一指示；,其中，所述第一指示用于指示所述第一时间段内是否为所述终端配置参考信号资源；和/或，,所述第一指示用于指示从所述第一起始时刻之后到不连续接收DRX非激活态定时器计时超时时刻之间的时间段内是否为所述终端配置参考信号资源。,30.根据权利要求28所述的装置，其特征在于，所述第一信令包括第一位图，所述第一位图包括一个或者多个比特，所述一个或者多个比特与所述第一起始时刻之后的一个或者多个参考信号资源一一关联；,所述一个或者多个比特中任一个比特用于指示是否为所述终端在所述第一起始时刻之后配置与所述任一个比特关联的参考信号资源。,31.根据权利要求28所述的装置，其特征在于，所述第一信令还用于指示第二时间段，所述第二时间段的起始时刻为第二起始时刻，所述第一信令还用于指示在所述第二时间段内，为所述终端未配置所述参考信号资源。,32.根据权利要求27所述的装置，其特征在于，所述第一信令用于确定所述第一时间段内是否为所述终端配置参考信号资源，包括：,所述第一信令用于隐式指示所述第一时间段内是否为所述终端配置参考信号资源；和/或，,所述第一信令用于确定从所述第一起始时刻之后是否为所述终端配置参考信号资源，包括：,所述第一信令用于隐式指示从所述第一起始时刻之后是否为所述终端配置参考信号资源。,33.根据权利要求32所述的装置，其特征在于，所述第一信令隐式指示所述第一时间段内是否为所述终端配置参考信号资源，包括：所述第一信令用于指示所述第一时间段。,34.根据权利要求32或33所述的装置，其特征在于，所述第一信令隐式指示从所述第一起始时刻之后是否为所述终端配置参考信号资源，包括：所述第一信令用于指示在所述第一起始时刻停止DRX持续时间定时器和DRX非激活态定时器。,35.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令被运行时，实现上述权利要求1-9任一项所述的资源指示方法、和/或，权利要求10-17任一项所述的资源指示方法。,36.一种资源指示装置，其特征在于，所述装置包括处理器和存储介质，所述存储介质存储有指令，所述指令被所述处理器运行时，实现如权利要求1至9任一项所述的资源指示方法，或者实现权利要求10至17任一项所述的任一项所述的资源指示方法。}',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 512]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Training Details

Training Dataset

Unnamed Dataset

Size: 20,400 training samples
Columns: sentence_0, sentence_1, and sentence_2

Approximate statistics based on the first 1000 samples:

	sentence_0	sentence_1	sentence_2
type	string	string	string
details	min: 468 tokens mean: 507.6 tokens max: 512 tokens	min: 318 tokens mean: 485.8 tokens max: 512 tokens	min: 20 tokens mean: 489.02 tokens max: 512 tokens

Samples:

sentence_0	sentence_1	sentence_2
1.一种能量分配系统，其特征在于，包括a个双向节点，其中，a为大于等于1的整数，每个所述双向节点配置有一个第一能量输出模块与对应的一个第一能量输入模块，所有所述双向节点之间两两设置有一组开关器件。 2.根据权利要求1所述的能量分配系统，其特征在于，还包括b个输出节点，其中，b为大于等于0的整数，每个所述输出节点配置有一个第二能量输出模块，每个所述输出节点分别与各个所述双向节点之间设置有一组开关器件。 3.根据权利要求1或2所述的能量分配系统，其特征在于，还包括c个输入节点，其中，c为大于等于0的整数，每个所述输入节点配置有一个第二能量输入模块，每个所述输入节点分别与各个所述双向节点之间设置有一组开关器件。 4.根据权利要求1所述的能量分配系统，其特征在于，一组开关器件包括设置在能量输出模块正极与能量输入模块正极之间的第一开关器件、设置在能量输出模块负极与能量输入模块负极之间的第二开关器件。 5.根据权利要求1所述的能量分配系统，其特征在于，所述能量输出模块处于空闲状态或者占用状态，所述能量输入模块处于供能状态或者停止供能状态。	1.一种直流充电设备的功率分配系统，其特征在于：它包括至少两组充电模块（2）与充电终端（4）和功率分配装置（3），所述功率分配装置（3）分别连接于所述充电模块（2）和充电终端（4）之间，所述充电模块（2）与电网（1）连接；所述功率分配装置（3）包括多个功率分配单元，每个功率分配单元包括输入端口（31）、第一开关模块（32）和输出端口（34），每组充电模块（2）连接一个输入端口（31），所述输出端口（34）连接充电终端（4），所述输入端口（31）和输出端口（34）之间串联一组第一开关模块（32）。 2.根据权利要求1所述的一种直流充电设备的功率分配系统，其特征在于：所述充电终端（4）的数量不大于充电模块（2）的数量。 3.根据权利要求1所述的一种直流充电设备的功率分配系统，其特征在于：每个输入端口（31）和对应的输出端口（34）组成一个输出回路，任意两个输出回路之间连接一组第二开关模块（33），若有N个输出回路，则有组第二开关模块（33）用于连接所有的输出回路，N组第一开关模块（32）用于闭合输出回路。	{1.一种工艺建模整合系统，其特征在于，包括：,工艺流程导入模块，用于导入工艺流程各步骤和/或所述各步骤的参数结构；,系统逻辑验证模块，用于验证所述各步骤的完整性和正确性；,关联人定义模块，用于定义技术参数导入的多个关联人和/或验证的多个确认人；,技术参数导入和验证模块，用于导入技术参数并验证所述技术参数是否完整和正确；,数据整合模块，用于对验证通过的所述各步骤的所述技术参数进行整合；,输出模块，用以将所述数据整合模块输出的数据输出至建模系统。,2.如权利要求1所述的工艺建模整合系统，其特征在于，所述数据整合模块还用于对整合后的数据进行校验。,3.如权利要求1所述的工艺建模整合系统，其特征在于，所述数据整合模块可将数据整合结果反馈至关联人定义模块。,4.如权利要求1所述的工艺建模整合系统，其特征在于，所述技术参数验证模块包括：,技术参数导入模块，用于导入和/或补充所述各步骤的技术参数；,系统验证模块，用于验证所述技术参数是否完整和正确，并输出验证结果；,技术参数确认模块，用于确认所述技术参数是否符合产品技术要求，并输出确认结果。,5.如权利要求4所述的工艺建模整合系统，其特征在于，所述技术参数未通过所述系统验证模块的验证，将所述验证结果反馈至所述技术参数导入模块。,6.如权利要求4所述的工艺建模整合系统，其特征在于，所述技术参数未通过所述技术参数确认模块的确认，将所述确认结果反馈至所述技术参数导入模块。,7.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可执行的指令，其特征在于：当所述计算机可执行的指令被执行时实现权利要求1至6中任意一项所述的工艺建模整合系统。,8.一种计算机设备，其特征在于，包括处理器以及存储设备，所述处理器适于实现各指令，所述存储设备适于存储多条指令，所述指令适于由处理器加载并实现权利要求1至6中任意一项所述的工艺建模整合系统。}
1.一种能量分配系统，其特征在于，包括a个双向节点，其中，a为大于等于1的整数，每个所述双向节点配置有一个第一能量输出模块与对应的一个第一能量输入模块，所有所述双向节点之间两两设置有一组开关器件。 2.根据权利要求1所述的能量分配系统，其特征在于，还包括b个输出节点，其中，b为大于等于0的整数，每个所述输出节点配置有一个第二能量输出模块，每个所述输出节点分别与各个所述双向节点之间设置有一组开关器件。 3.根据权利要求1或2所述的能量分配系统，其特征在于，还包括c个输入节点，其中，c为大于等于0的整数，每个所述输入节点配置有一个第二能量输入模块，每个所述输入节点分别与各个所述双向节点之间设置有一组开关器件。 4.根据权利要求1所述的能量分配系统，其特征在于，一组开关器件包括设置在能量输出模块正极与能量输入模块正极之间的第一开关器件、设置在能量输出模块负极与能量输入模块负极之间的第二开关器件。 5.根据权利要求1所述的能量分配系统，其特征在于，所述能量输出模块处于空闲状态或者占用状态，所述能量输入模块处于供能状态或者停止供能状态。	1.一种直流充电设备的功率分配系统，其特征在于：它包括至少两组充电模块（2）与充电终端（4）和功率分配装置（3），所述功率分配装置（3）分别连接于所述充电模块（2）和充电终端（4）之间，所述充电模块（2）与电网（1）连接；所述功率分配装置（3）包括多个功率分配单元，每个功率分配单元包括输入端口（31）、第一开关模块（32）和输出端口（34），每组充电模块（2）连接一个输入端口（31），所述输出端口（34）连接充电终端（4），所述输入端口（31）和输出端口（34）之间串联一组第一开关模块（32）。 2.根据权利要求1所述的一种直流充电设备的功率分配系统，其特征在于：所述充电终端（4）的数量不大于充电模块（2）的数量。 3.根据权利要求1所述的一种直流充电设备的功率分配系统，其特征在于：每个输入端口（31）和对应的输出端口（34）组成一个输出回路，任意两个输出回路之间连接一组第二开关模块（33），若有N个输出回路，则有组第二开关模块（33）用于连接所有的输出回路，N组第一开关模块（32）用于闭合输出回路。	{1.一种超多芯光缆的制造方法，其特征在于，包括以下步骤：,1)制得基准束纤或基准束带；所述基准束纤由多根单纤经过绞合后外绕扎纱形成，所述基准束带由多根光纤单带经过绞合后外绕扎纱形成；,2)将多个基准束纤或多个基准束带经过绞合后外绕扎纱得到设定芯数的基准组合束；,3)将基准组合束通过挤塑机挤塑，在外部形成护套，得到超多芯光缆。,2.一种超多芯光缆的制造方法，其特征在于，包括以下步骤：,1)制得基准束纤或基准束带；所述基准束纤由多根单纤经过绞合后外绕扎纱形成，所述基准束带由多根光纤单带经过绞合后外绕扎纱形成；,2)将多个基准束纤或多个基准束带经过绞合后外绕扎纱得到基准组合束；,3)将多个基准组合束经过绞合后外绕扎纱得到设定芯数的组合束；,4)将组合束通过挤塑机挤塑，在外部形成护套，得到超多芯光缆；,步骤3)中组合束的绞合层数为n，每层为S或Z螺旋绞合，且相邻两层之间绞合方向相反。,3.如权利要求2所述的超多芯光缆的制造方法，其特征在于，基准组合束由多个基准束纤经过绞合后外绕扎纱得到，基准组合束的多个基准束纤通过不同的扎纱颜色进行区分，所述基准束纤由12根颜色不同的单纤经过绞合后外绕扎纱形成；步骤3)中多个基准组合束的扎纱颜色各不相同。,4.如权利要求2所述的超多芯光缆的制造方法，其特征在于，基准组合束由多个基准束带经过绞合后外绕扎纱得到，基准组合束的多个基准束带通过不同的扎纱颜色进行区分，所述光纤单带包括6根或12根颜色不同的单纤；步骤3)中多个基准组合束的扎纱颜色各不相同。,5.一种超多芯光缆的制造方法，其特征在于，包括以下步骤：,1)制得基准束纤或基准束带；所述基准束纤由多根单纤经过绞合后外绕扎纱形成，所述基准束带由多根光纤单带经过绞合后外绕扎纱形成；,2)将多个基准束纤或多个基准束带经过绞合后外绕扎纱得到基准组合束；,3)将多个基准组合束经过绞合后外绕扎纱得到组合束；,4)将前面得到的多个组合束经过绞合后外绕扎纱得到芯数更多的组合束，当得到的组合束的芯数满足要求时进行步骤5)，否则重复步骤4直至得到设定芯数的组合束；,5)将满足要求的多个组合束经过绞合后外绕扎纱得到缆芯；,6)将缆芯通过挤塑机挤塑，在外部形成护套，得到超多芯光缆；,步骤5)中缆芯的绞合层数为n，每层为S或Z螺旋绞合，且相邻两层之间绞合方向相反。,6.如权利要求5所述的超多芯光缆的制造方法，其特征...
1.一种能量分配系统，其特征在于，包括a个双向节点，其中，a为大于等于1的整数，每个所述双向节点配置有一个第一能量输出模块与对应的一个第一能量输入模块，所有所述双向节点之间两两设置有一组开关器件。 2.根据权利要求1所述的能量分配系统，其特征在于，还包括b个输出节点，其中，b为大于等于0的整数，每个所述输出节点配置有一个第二能量输出模块，每个所述输出节点分别与各个所述双向节点之间设置有一组开关器件。 3.根据权利要求1或2所述的能量分配系统，其特征在于，还包括c个输入节点，其中，c为大于等于0的整数，每个所述输入节点配置有一个第二能量输入模块，每个所述输入节点分别与各个所述双向节点之间设置有一组开关器件。 4.根据权利要求1所述的能量分配系统，其特征在于，一组开关器件包括设置在能量输出模块正极与能量输入模块正极之间的第一开关器件、设置在能量输出模块负极与能量输入模块负极之间的第二开关器件。 5.根据权利要求1所述的能量分配系统，其特征在于，所述能量输出模块处于空闲状态或者占用状态，所述能量输入模块处于供能状态或者停止供能状态。	1.一种直流充电设备的功率分配系统，其特征在于：它包括至少两组充电模块（2）与充电终端（4）和功率分配装置（3），所述功率分配装置（3）分别连接于所述充电模块（2）和充电终端（4）之间，所述充电模块（2）与电网（1）连接；所述功率分配装置（3）包括多个功率分配单元，每个功率分配单元包括输入端口（31）、第一开关模块（32）和输出端口（34），每组充电模块（2）连接一个输入端口（31），所述输出端口（34）连接充电终端（4），所述输入端口（31）和输出端口（34）之间串联一组第一开关模块（32）。 2.根据权利要求1所述的一种直流充电设备的功率分配系统，其特征在于：所述充电终端（4）的数量不大于充电模块（2）的数量。 3.根据权利要求1所述的一种直流充电设备的功率分配系统，其特征在于：每个输入端口（31）和对应的输出端口（34）组成一个输出回路，任意两个输出回路之间连接一组第二开关模块（33），若有N个输出回路，则有组第二开关模块（33）用于连接所有的输出回路，N组第一开关模块（32）用于闭合输出回路。	{1.一种直线电机单自由度隔振装置的控制方法，其特征在于，所述直线电机单自由度隔振装置包括一个沿X轴方向运动的平衡块(11)、一个防漂移驱动单元以及控制单元；,所述平衡块(11)的上表面与直线电机的定子(12)固连，平衡块(11)的下表面通过第一气浮轴承(4a)与基座(1)连接，平衡块(11)的一侧安装有第一光栅尺(2b)，第一光栅尺(2b)的光栅条纹沿X轴方向布置，在直线电机动子(13)上安装有与第一光栅尺(2b)对应的第一光栅读数头(2a)；,所述防漂移驱动单元包括一个防漂移直线电机、一个光栅尺和一个导轨(10)；导轨(10)与防漂移直线电机的动子(9)相固连，导轨(10)的一端在YZ平面通过第二气浮轴承(4b)与所述的平衡块(11)连接，导轨(10)在XY平面的一侧通过第三气浮轴承(4c)与防漂移直线电机定子(7)连接，导轨(10)在XZ平面的一侧通过第四气浮轴承(4d)与防漂移直线电机的定子(7)连接；防漂移直线电机的定子(7)与基座(1)相固连，导轨(10)的一侧安装有第二光栅尺(5b)，第二光栅尺(5b)的光栅条纹沿X轴方向，在防漂移直线电机定子(7)上安装有与第二光栅尺(5b)对应的第二光栅尺读数头(5a)；,所述控制单元包括含有控制程序的工控机、光栅计数卡、D/A卡和驱动器，光栅计数卡分别采集第一光栅尺(2b)和第二光栅尺(5b)信号，光栅计数卡将采集到的两路光栅信号输入至工控机，工控机以所述两路光栅信号为位置反馈信号对防漂移直线电机进行控制，控制指令通过D/A卡输出至驱动器；,所述方法包括如下步骤：,1)在伺服周期开始，设定平衡块位移为零，然后采用光栅计数卡采集第二光栅尺(5b)的信号，得到平衡块相对于基座的位移信号，并将该位移信号输入工控机作为位置反馈信号，得到平衡块的位移偏差e,；,2)采用第一非线性环节对位移偏差e,进行处理，第一非线性环节表达式为：,其中e,为平衡块的位移偏差，a,为偏置系数，b,为放大系数，c,为上升速率系数；,3)将第一非线性环节的输出信号通过平衡块线性控制器处理后，得到防漂移电机的控制指令，该控制指令由D/A卡进行数模转换后输入至驱动器，驱动器成比例地输出电流驱动防漂移电机；在下一个伺服周期，重复1)至3)步骤，进而驱动平衡块向设定位置运动。,2.一种直线电机单自由度隔振装置的控制方法，其特征在于，所述直线电机单自由度...

Loss: TripletLoss with these parameters:

{
    "distance_metric": "TripletDistanceMetric.COSINE",
    "triplet_margin": 0.9
}

Training Hyperparameters

Non-Default Hyperparameters

num_train_epochs: 1
fp16: True
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: no
prediction_loss_only: True
per_device_train_batch_size: 8
per_device_eval_batch_size: 8
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 1
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 5e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1
num_train_epochs: 1
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.0
warmup_steps: 0
log_level: passive
log_level_replica: warning
log_on_each_node: True
logging_nan_inf_filter: True
save_safetensors: True
save_on_each_node: False
save_only_model: False
restore_callback_states_from_checkpoint: False
no_cuda: False
use_cpu: False
use_mps_device: False
seed: 42
data_seed: None
jit_mode_eval: False
use_ipex: False
bf16: False
fp16: True
fp16_opt_level: O1
half_precision_backend: auto
bf16_full_eval: False
fp16_full_eval: False
tf32: None
local_rank: 0
ddp_backend: None
tpu_num_cores: None
tpu_metrics_debug: False
debug: []
dataloader_drop_last: False
dataloader_num_workers: 0
dataloader_prefetch_factor: None
past_index: -1
disable_tqdm: False
remove_unused_columns: True
label_names: None
load_best_model_at_end: False
ignore_data_skip: False
fsdp: []
fsdp_min_num_params: 0
fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
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
include_for_metrics: []
eval_do_concat_batches: True
fp16_backend: auto
push_to_hub_model_id: None
push_to_hub_organization: None
mp_parameters:
auto_find_batch_size: False
full_determinism: False
torchdynamo: None
ray_scope: last
ddp_timeout: 1800
torch_compile: False
torch_compile_backend: None
torch_compile_mode: None
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
use_liger_kernel: False
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin

Training Logs

Epoch	Step	Training Loss
0.1961	500	0.6322
0.3922	1000	0.6262
0.5882	1500	0.6291
0.7843	2000	0.6292
0.9804	2500	0.6295

Framework Versions

Python: 3.9.19
Sentence Transformers: 3.3.0
Transformers: 4.46.2
PyTorch: 2.5.1+cu124
Accelerate: 1.1.1
Datasets: 3.5.0
Tokenizers: 0.20.3

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

TripletLoss

@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}
}

baicuya
/

fine_tuned_bge_small_zh_v1.5