dejasi5459/clip-fashion-embeddings-final-10k-ft

SentenceTransformer based on sentence-transformers/clip-ViT-L-14

This is a sentence-transformers model finetuned from sentence-transformers/clip-ViT-L-14 on the fashion-product-images-small dataset. It maps sentences & paragraphs to a None-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/clip-ViT-L-14
• Maximum Sequence Length: 77 tokens
• Output Dimensionality: None dimensions
• Similarity Function: Cosine Similarity
• Training Dataset:
  • fashion-product-images-small

Model Sources

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

Full Model Architecture

SentenceTransformer(
  (0): CLIPModel()
)

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("dejasi5459/clip-fashion-embeddings-final-10k-ft")
# Run inference
sentences = [
    'Women , Accessories , Bags , Handbags , Beige , Summer , Casual , Baggit Women Beige Handbag',
    'Men , Heels , Fall , Travel',
    'Men , Shoe Laces , Summer , Smart Casual',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[ 1.0000,  0.0014, -0.0547],
#         [ 0.0014,  1.0000,  0.5425],
#         [-0.0547,  0.5425,  1.0000]])

Evaluation

Metrics

Triplet

• Datasets: fashion-train and fashion-valid
• Evaluated with TripletEvaluator

Metric	fashion-train	fashion-valid
cosine_accuracy	0.97	1.0

Training Details

Training Dataset

fashion-product-images-small

• Dataset: fashion-product-images-small at b19f176
• Size: 8,000 training samples
• Columns: anchor, positive, and negative
• Approximate statistics based on the first 1000 samples:

  	anchor	positive	negative
  type	PIL.PngImagePlugin.PngImageFile	string	string
  details		min: 19 tokens mean: 24.23 tokens max: 35 tokens	min: 9 tokens mean: 10.33 tokens max: 14 tokens

• Samples:

  anchor	positive	negative
  	Men , Apparel , Topwear , Tshirts , Red , Summer , Casual , Levis Kids Boy's Dawson Red Kidswear	Women , Shorts , Spring , Smart Casual
  	Women , Footwear , Shoes , Casual Shoes , White , Summer , Casual , Nike Women Sweet Classic Leather White Shoes	Men , Sports Shoes , Fall , Smart Casual
  	Men , Footwear , Shoes , Sports Shoes , Brown , Summer , Sports , ADIDAS Men Adistreet Lux Brown Shoe	Women , Sandals , Winter , Home

• Loss: MultipleNegativesRankingLoss with these parameters:

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

Evaluation Dataset

fashion-product-images-small

• Dataset: fashion-product-images-small at b19f176
• Size: 1,000 evaluation samples
• Columns: anchor, positive, and negative
• Approximate statistics based on the first 1000 samples:

  	anchor	positive	negative
  type	PIL.PngImagePlugin.PngImageFile	string	string
  details		min: 20 tokens mean: 24.2 tokens max: 47 tokens	min: 9 tokens mean: 10.31 tokens max: 14 tokens

• Samples:

  anchor	positive	negative
  	Men , Footwear , Shoes , Casual Shoes , White , Fall , Casual , Nike Men Air Force 1 '07 White Casual Shoe	Women , Flats , Summer , Smart Casual
  	Women , Apparel , Topwear , Tops , Black , Summer , Casual , Arrow Women Black Top	Men , Rain Trousers , Spring , Party
  	Men , Apparel , Bottomwear , Track Pants , Navy Blue , Summer , Sports , ADIDAS Men Navy Blue Track Pants	Women , Sweatshirts , Spring , Formal

• Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: epoch
• per_device_train_batch_size: 16
• per_device_eval_batch_size: 16
• learning_rate: 0.0001
• num_train_epochs: 2

All Hyperparameters

Click to expand

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: epoch
• prediction_loss_only: True
• per_device_train_batch_size: 16
• per_device_eval_batch_size: 16
• 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: 0.0001
• weight_decay: 0.0
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• max_grad_norm: 1.0
• num_train_epochs: 2
• 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: None
• hub_always_push: False
• hub_revision: None
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• include_inputs_for_metrics: False
• include_for_metrics: []
• eval_do_concat_batches: True
• fp16_backend: auto
• push_to_hub_model_id: None
• push_to_hub_organization: None
• mp_parameters:
• auto_find_batch_size: False
• full_determinism: False
• torchdynamo: None
• ray_scope: last
• ddp_timeout: 1800
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• include_tokens_per_second: False
• include_num_input_tokens_seen: False
• neftune_noise_alpha: None
• optim_target_modules: None
• batch_eval_metrics: False
• eval_on_start: False
• use_liger_kernel: False
• liger_kernel_config: None
• eval_use_gather_object: False
• average_tokens_across_devices: False
• prompts: None
• batch_sampler: batch_sampler
• multi_dataset_batch_sampler: proportional
• router_mapping: {}
• learning_rate_mapping: {}

Training Logs

Click to expand

Epoch	Step	Training Loss	Validation Loss	fashion-train_cosine_accuracy	fashion-valid_cosine_accuracy
-1	-1	-	-	0.9700	1.0
0.002	1	1.4003	-	-	-
0.004	2	1.1119	-	-	-
0.006	3	1.2029	-	-	-
0.008	4	0.978	-	-	-
0.01	5	1.0191	-	-	-
0.012	6	0.8693	-	-	-
0.014	7	0.848	-	-	-
0.016	8	0.8871	-	-	-
0.018	9	0.5639	-	-	-
0.02	10	0.692	-	-	-
0.022	11	0.7772	-	-	-
0.024	12	0.6034	-	-	-
0.026	13	0.5266	-	-	-
0.028	14	0.7358	-	-	-
0.03	15	1.0585	-	-	-
0.032	16	0.8482	-	-	-
0.034	17	0.5898	-	-	-
0.036	18	0.6048	-	-	-
0.038	19	0.4545	-	-	-
0.04	20	0.4008	-	-	-
0.042	21	0.5168	-	-	-
0.044	22	0.4695	-	-	-
0.046	23	0.3967	-	-	-
0.048	24	0.362	-	-	-
0.05	25	0.4646	-	-	-
0.052	26	0.5598	-	-	-
0.054	27	0.5656	-	-	-
0.056	28	0.5142	-	-	-
0.058	29	0.3224	-	-	-
0.06	30	0.2403	-	-	-
0.062	31	0.5408	-	-	-
0.064	32	0.453	-	-	-
0.066	33	0.4958	-	-	-
0.068	34	0.4889	-	-	-
0.07	35	0.1748	-	-	-
0.072	36	0.3695	-	-	-
0.074	37	0.217	-	-	-
0.076	38	0.173	-	-	-
0.078	39	0.3405	-	-	-
0.08	40	0.4013	-	-	-
0.082	41	0.3093	-	-	-
0.084	42	0.1899	-	-	-
0.086	43	0.2898	-	-	-
0.088	44	0.2056	-	-	-
0.09	45	0.4192	-	-	-
0.092	46	0.5506	-	-	-
0.094	47	0.3291	-	-	-
0.096	48	0.5283	-	-	-
0.098	49	0.3	-	-	-
0.1	50	0.3921	-	-	-
0.102	51	0.1889	-	-	-
0.104	52	0.365	-	-	-
0.106	53	0.2536	-	-	-
0.108	54	0.6396	-	-	-
0.11	55	0.6038	-	-	-
0.112	56	0.2498	-	-	-
0.114	57	0.3762	-	-	-
0.116	58	0.5381	-	-	-
0.118	59	0.2116	-	-	-
0.12	60	0.2854	-	-	-
0.122	61	0.29	-	-	-
0.124	62	0.3309	-	-	-
0.126	63	0.4402	-	-	-
0.128	64	0.4967	-	-	-
0.13	65	0.4815	-	-	-
0.132	66	0.2055	-	-	-
0.134	67	0.3258	-	-	-
0.136	68	0.1866	-	-	-
0.138	69	0.1681	-	-	-
0.14	70	0.7384	-	-	-
0.142	71	0.2245	-	-	-
0.144	72	0.1842	-	-	-
0.146	73	0.525	-	-	-
0.148	74	0.2487	-	-	-
0.15	75	0.2393	-	-	-
0.152	76	0.3291	-	-	-
0.154	77	0.4458	-	-	-
0.156	78	0.3911	-	-	-
0.158	79	0.4484	-	-	-
0.16	80	0.255	-	-	-
0.162	81	0.0973	-	-	-
0.164	82	0.3702	-	-	-
0.166	83	0.2479	-	-	-
0.168	84	0.2327	-	-	-
0.17	85	0.2123	-	-	-
0.172	86	0.156	-	-	-
0.174	87	0.3892	-	-	-
0.176	88	0.3888	-	-	-
0.178	89	0.187	-	-	-
0.18	90	0.2464	-	-	-
0.182	91	0.2139	-	-	-
0.184	92	0.3494	-	-	-
0.186	93	0.3791	-	-	-
0.188	94	0.5208	-	-	-
0.19	95	0.2742	-	-	-
0.192	96	0.374	-	-	-
0.194	97	0.139	-	-	-
0.196	98	0.1638	-	-	-
0.198	99	0.2959	-	-	-
0.2	100	0.5636	-	-	-
0.202	101	0.4424	-	-	-
0.204	102	0.3338	-	-	-
0.206	103	0.1129	-	-	-
0.208	104	0.1685	-	-	-
0.21	105	0.233	-	-	-
0.212	106	0.2105	-	-	-
0.214	107	0.2343	-	-	-
0.216	108	0.2141	-	-	-
0.218	109	0.3423	-	-	-
0.22	110	0.4749	-	-	-
0.222	111	0.1937	-	-	-
0.224	112	0.1544	-	-	-
0.226	113	0.1359	-	-	-
0.228	114	0.408	-	-	-
0.23	115	0.2372	-	-	-
0.232	116	0.2154	-	-	-
0.234	117	0.1981	-	-	-
0.236	118	0.4688	-	-	-
0.238	119	0.0942	-	-	-
0.24	120	0.3918	-	-	-
0.242	121	0.2535	-	-	-
0.244	122	0.1873	-	-	-
0.246	123	0.1739	-	-	-
0.248	124	0.324	-	-	-
0.25	125	0.2062	-	-	-
0.252	126	0.4738	-	-	-
0.254	127	0.1275	-	-	-
0.256	128	0.2184	-	-	-
0.258	129	0.2881	-	-	-
0.26	130	0.1788	-	-	-
0.262	131	0.1419	-	-	-
0.264	132	0.5235	-	-	-
0.266	133	0.2225	-	-	-
0.268	134	0.1465	-	-	-
0.27	135	0.1752	-	-	-
0.272	136	0.2211	-	-	-
0.274	137	0.1744	-	-	-
0.276	138	0.3357	-	-	-
0.278	139	0.1228	-	-	-
0.28	140	0.2985	-	-	-
0.282	141	0.153	-	-	-
0.284	142	0.2551	-	-	-
0.286	143	0.0954	-	-	-
0.288	144	0.0788	-	-	-
0.29	145	0.1737	-	-	-
0.292	146	0.2628	-	-	-
0.294	147	0.4496	-	-	-
0.296	148	0.1618	-	-	-
0.298	149	0.2089	-	-	-
0.3	150	0.1777	-	-	-
0.302	151	0.135	-	-	-
0.304	152	0.2643	-	-	-
0.306	153	0.1133	-	-	-
0.308	154	0.1094	-	-	-
0.31	155	0.1038	-	-	-
0.312	156	0.2038	-	-	-
0.314	157	0.2311	-	-	-
0.316	158	0.5661	-	-	-
0.318	159	0.3606	-	-	-
0.32	160	0.4023	-	-	-
0.322	161	0.3639	-	-	-
0.324	162	0.4255	-	-	-
0.326	163	0.1671	-	-	-
0.328	164	0.1361	-	-	-
0.33	165	0.2456	-	-	-
0.332	166	0.2077	-	-	-
0.334	167	0.2898	-	-	-
0.336	168	0.0694	-	-	-
0.338	169	0.2294	-	-	-
0.34	170	0.5453	-	-	-
0.342	171	0.1816	-	-	-
0.344	172	0.2118	-	-	-
0.346	173	0.2263	-	-	-
0.348	174	0.1951	-	-	-
0.35	175	0.2028	-	-	-
0.352	176	0.18	-	-	-
0.354	177	0.1816	-	-	-
0.356	178	0.1331	-	-	-
0.358	179	0.3346	-	-	-
0.36	180	0.0687	-	-	-
0.362	181	0.3379	-	-	-
0.364	182	0.3457	-	-	-
0.366	183	0.2591	-	-	-
0.368	184	0.1609	-	-	-
0.37	185	0.3275	-	-	-
0.372	186	0.147	-	-	-
0.374	187	0.3467	-	-	-
0.376	188	0.1189	-	-	-
0.378	189	0.2529	-	-	-
0.38	190	0.3501	-	-	-
0.382	191	0.1902	-	-	-
0.384	192	0.1114	-	-	-
0.386	193	0.3045	-	-	-
0.388	194	0.166	-	-	-
0.39	195	0.1243	-	-	-
0.392	196	0.4344	-	-	-
0.394	197	0.2925	-	-	-
0.396	198	0.504	-	-	-
0.398	199	0.1385	-	-	-
0.4	200	0.3138	-	-	-
0.402	201	0.1629	-	-	-
0.404	202	0.2234	-	-	-
0.406	203	0.2852	-	-	-
0.408	204	0.2141	-	-	-
0.41	205	0.2803	-	-	-
0.412	206	0.0341	-	-	-
0.414	207	0.3168	-	-	-
0.416	208	0.4483	-	-	-
0.418	209	0.122	-	-	-
0.42	210	0.0707	-	-	-
0.422	211	0.016	-	-	-
0.424	212	0.1141	-	-	-
0.426	213	0.1742	-	-	-
0.428	214	0.1826	-	-	-
0.43	215	0.2845	-	-	-
0.432	216	0.1824	-	-	-
0.434	217	0.1143	-	-	-
0.436	218	0.1273	-	-	-
0.438	219	0.1354	-	-	-
0.44	220	0.1638	-	-	-
0.442	221	0.0782	-	-	-
0.444	222	0.2316	-	-	-
0.446	223	0.3648	-	-	-
0.448	224	0.0869	-	-	-
0.45	225	0.1431	-	-	-
0.452	226	0.1672	-	-	-
0.454	227	0.207	-	-	-
0.456	228	0.1903	-	-	-
0.458	229	0.0683	-	-	-
0.46	230	0.1868	-	-	-
0.462	231	0.1748	-	-	-
0.464	232	0.2083	-	-	-
0.466	233	0.2913	-	-	-
0.468	234	0.1308	-	-	-
0.47	235	0.0867	-	-	-
0.472	236	0.263	-	-	-
0.474	237	0.1895	-	-	-
0.476	238	0.1614	-	-	-
0.478	239	0.1402	-	-	-
0.48	240	0.3519	-	-	-
0.482	241	0.2767	-	-	-
0.484	242	0.1667	-	-	-
0.486	243	0.5115	-	-	-
0.488	244	0.0606	-	-	-
0.49	245	0.4651	-	-	-
0.492	246	0.184	-	-	-
0.494	247	0.1824	-	-	-
0.496	248	0.2245	-	-	-
0.498	249	0.3303	-	-	-
0.5	250	0.2398	-	-	-
0.502	251	0.2398	-	-	-
0.504	252	0.352	-	-	-
0.506	253	0.5572	-	-	-
0.508	254	0.2223	-	-	-
0.51	255	0.0421	-	-	-
0.512	256	0.1221	-	-	-
0.514	257	0.1582	-	-	-
0.516	258	0.1213	-	-	-
0.518	259	0.3844	-	-	-
0.52	260	0.4487	-	-	-
0.522	261	0.3393	-	-	-
0.524	262	0.149	-	-	-
0.526	263	0.259	-	-	-
0.528	264	0.2228	-	-	-
0.53	265	0.0351	-	-	-
0.532	266	0.0799	-	-	-
0.534	267	0.0978	-	-	-
0.536	268	0.1861	-	-	-
0.538	269	0.0844	-	-	-
0.54	270	0.1347	-	-	-
0.542	271	0.2522	-	-	-
0.544	272	0.1483	-	-	-
0.546	273	0.1851	-	-	-
0.548	274	0.1182	-	-	-
0.55	275	0.0781	-	-	-
0.552	276	0.1604	-	-	-
0.554	277	0.1376	-	-	-
0.556	278	0.201	-	-	-
0.558	279	0.2055	-	-	-
0.56	280	0.3686	-	-	-
0.562	281	0.2476	-	-	-
0.564	282	0.2889	-	-	-
0.566	283	0.3226	-	-	-
0.568	284	0.1833	-	-	-
0.57	285	0.2476	-	-	-
0.572	286	0.1057	-	-	-
0.574	287	0.04	-	-	-
0.576	288	0.2292	-	-	-
0.578	289	0.3708	-	-	-
0.58	290	0.2986	-	-	-
0.582	291	0.0407	-	-	-
0.584	292	0.082	-	-	-
0.586	293	0.1767	-	-	-
0.588	294	0.1619	-	-	-
0.59	295	0.3599	-	-	-
0.592	296	0.0726	-	-	-
0.594	297	0.133	-	-	-
0.596	298	1.0037	-	-	-
0.598	299	0.3973	-	-	-
0.6	300	0.3185	-	-	-
0.602	301	0.1045	-	-	-
0.604	302	0.1648	-	-	-
0.606	303	0.1998	-	-	-
0.608	304	0.123	-	-	-
0.61	305	0.2402	-	-	-
0.612	306	0.0628	-	-	-
0.614	307	0.2182	-	-	-
0.616	308	0.5565	-	-	-
0.618	309	0.2727	-	-	-
0.62	310	0.1341	-	-	-
0.622	311	0.161	-	-	-
0.624	312	0.3356	-	-	-
0.626	313	0.188	-	-	-
0.628	314	0.0462	-	-	-
0.63	315	0.3384	-	-	-
0.632	316	0.0716	-	-	-
0.634	317	0.0489	-	-	-
0.636	318	0.1914	-	-	-
0.638	319	0.2019	-	-	-
0.64	320	0.0592	-	-	-
0.642	321	0.1223	-	-	-
0.644	322	0.3935	-	-	-
0.646	323	0.1	-	-	-
0.648	324	0.2039	-	-	-
0.65	325	0.1998	-	-	-
0.652	326	0.0754	-	-	-
0.654	327	0.2852	-	-	-
0.656	328	0.0789	-	-	-
0.658	329	0.088	-	-	-
0.66	330	0.3631	-	-	-
0.662	331	0.2219	-	-	-
0.664	332	0.0278	-	-	-
0.666	333	0.1907	-	-	-
0.668	334	0.4297	-	-	-
0.67	335	0.1929	-	-	-
0.672	336	0.3656	-	-	-
0.674	337	0.0511	-	-	-
0.676	338	0.0879	-	-	-
0.678	339	0.164	-	-	-
0.68	340	0.2902	-	-	-
0.682	341	0.1586	-	-	-
0.684	342	0.1924	-	-	-
0.686	343	0.1314	-	-	-
0.688	344	0.2551	-	-	-
0.69	345	0.0485	-	-	-
0.692	346	0.2896	-	-	-
0.694	347	0.3761	-	-	-
0.696	348	0.1443	-	-	-
0.698	349	0.123	-	-	-
0.7	350	0.5228	-	-	-
0.702	351	0.402	-	-	-
0.704	352	0.1245	-	-	-
0.706	353	0.1728	-	-	-
0.708	354	0.1756	-	-	-
0.71	355	0.2484	-	-	-
0.712	356	0.1169	-	-	-
0.714	357	0.6645	-	-	-
0.716	358	0.1821	-	-	-
0.718	359	0.182	-	-	-
0.72	360	0.2714	-	-	-
0.722	361	0.1697	-	-	-
0.724	362	0.2253	-	-	-
0.726	363	0.0968	-	-	-
0.728	364	0.2319	-	-	-
0.73	365	0.0494	-	-	-
0.732	366	0.1669	-	-	-
0.734	367	0.2401	-	-	-
0.736	368	0.2175	-	-	-
0.738	369	0.1646	-	-	-
0.74	370	0.2723	-	-	-
0.742	371	0.0859	-	-	-
0.744	372	0.2303	-	-	-
0.746	373	0.2549	-	-	-
0.748	374	0.4661	-	-	-
0.75	375	0.1468	-	-	-
0.752	376	0.0761	-	-	-
0.754	377	0.1087	-	-	-
0.756	378	0.351	-	-	-
0.758	379	0.0139	-	-	-
0.76	380	0.1237	-	-	-
0.762	381	0.3336	-	-	-
0.764	382	0.1571	-	-	-
0.766	383	0.1694	-	-	-
0.768	384	0.3524	-	-	-
0.77	385	0.1822	-	-	-
0.772	386	0.2645	-	-	-
0.774	387	0.0663	-	-	-
0.776	388	0.0394	-	-	-
0.778	389	0.1435	-	-	-
0.78	390	0.2122	-	-	-
0.782	391	0.2486	-	-	-
0.784	392	0.2012	-	-	-
0.786	393	0.1636	-	-	-
0.788	394	0.0966	-	-	-
0.79	395	0.0527	-	-	-
0.792	396	0.2761	-	-	-
0.794	397	0.3692	-	-	-
0.796	398	0.2811	-	-	-
0.798	399	0.1392	-	-	-
0.8	400	0.0465	-	-	-
0.802	401	0.0554	-	-	-
0.804	402	0.1689	-	-	-
0.806	403	0.1625	-	-	-
0.808	404	0.3941	-	-	-
0.81	405	0.4193	-	-	-
0.812	406	0.2833	-	-	-
0.814	407	0.1552	-	-	-
0.816	408	0.199	-	-	-
0.818	409	0.3157	-	-	-
0.82	410	0.2392	-	-	-
0.822	411	0.0693	-	-	-
0.824	412	0.4686	-	-	-
0.826	413	0.1177	-	-	-
0.828	414	0.185	-	-	-
0.83	415	0.0819	-	-	-
0.832	416	0.2222	-	-	-
0.834	417	0.1546	-	-	-
0.836	418	0.0805	-	-	-
0.838	419	0.1361	-	-	-
0.84	420	0.2089	-	-	-
0.842	421	0.1941	-	-	-
0.844	422	0.0744	-	-	-
0.846	423	0.05	-	-	-
0.848	424	0.0621	-	-	-
0.85	425	0.2144	-	-	-
0.852	426	0.056	-	-	-
0.854	427	0.2078	-	-	-
0.856	428	0.0821	-	-	-
0.858	429	0.1136	-	-	-
0.86	430	0.1544	-	-	-
0.862	431	0.1836	-	-	-
0.864	432	0.1087	-	-	-
0.866	433	0.322	-	-	-
0.868	434	0.0391	-	-	-
0.87	435	0.1322	-	-	-
0.872	436	0.0881	-	-	-
0.874	437	0.1749	-	-	-
0.876	438	0.2667	-	-	-
0.878	439	0.1501	-	-	-
0.88	440	0.1071	-	-	-
0.882	441	0.179	-	-	-
0.884	442	0.5814	-	-	-
0.886	443	0.2023	-	-	-
0.888	444	0.0803	-	-	-
0.89	445	0.1932	-	-	-
0.892	446	0.2618	-	-	-
0.894	447	0.1331	-	-	-
0.896	448	0.4016	-	-	-
0.898	449	0.2741	-	-	-
0.9	450	0.1994	-	-	-
0.902	451	0.115	-	-	-
0.904	452	0.1739	-	-	-
0.906	453	0.089	-	-	-
0.908	454	0.0886	-	-	-
0.91	455	0.2182	-	-	-
0.912	456	0.0299	-	-	-
0.914	457	0.1511	-	-	-
0.916	458	0.2457	-	-	-
0.918	459	0.0567	-	-	-
0.92	460	0.1907	-	-	-
0.922	461	0.0631	-	-	-
0.924	462	0.2046	-	-	-
0.926	463	0.1605	-	-	-
0.928	464	0.1443	-	-	-
0.93	465	0.1854	-	-	-
0.932	466	0.0452	-	-	-
0.934	467	0.1564	-	-	-
0.936	468	0.0573	-	-	-
0.938	469	0.0728	-	-	-
0.94	470	0.0501	-	-	-
0.942	471	0.0822	-	-	-
0.944	472	0.0434	-	-	-
0.946	473	0.0656	-	-	-
0.948	474	0.131	-	-	-
0.95	475	0.2515	-	-	-
0.952	476	0.1754	-	-	-
0.954	477	0.451	-	-	-
0.956	478	0.063	-	-	-
0.958	479	0.0354	-	-	-
0.96	480	0.0494	-	-	-
0.962	481	0.0326	-	-	-
0.964	482	0.2049	-	-	-
0.966	483	0.2575	-	-	-
0.968	484	0.1779	-	-	-
0.97	485	0.2478	-	-	-
0.972	486	0.1138	-	-	-
0.974	487	0.063	-	-	-
0.976	488	0.1898	-	-	-
0.978	489	0.2034	-	-	-
0.98	490	0.1617	-	-	-
0.982	491	0.2822	-	-	-
0.984	492	0.046	-	-	-
0.986	493	0.0354	-	-	-
0.988	494	0.1589	-	-	-
0.99	495	0.2142	-	-	-
0.992	496	0.3233	-	-	-
0.994	497	0.0192	-	-	-
0.996	498	0.0238	-	-	-
0.998	499	0.1822	-	-	-
1.0	500	0.1202	0.1581	-	-
1.002	501	0.0882	-	-	-
1.004	502	0.1403	-	-	-
1.006	503	0.2969	-	-	-
1.008	504	0.1263	-	-	-
1.01	505	0.1325	-	-	-
1.012	506	0.3101	-	-	-
1.014	507	0.0147	-	-	-
1.016	508	0.1932	-	-	-
1.018	509	0.0967	-	-	-
1.02	510	0.1552	-	-	-
1.022	511	0.1372	-	-	-
1.024	512	0.3528	-	-	-
1.026	513	0.0907	-	-	-
1.028	514	0.1568	-	-	-
1.03	515	0.12	-	-	-
1.032	516	0.0081	-	-	-
1.034	517	0.1362	-	-	-
1.036	518	0.17	-	-	-
1.038	519	0.1464	-	-	-
1.04	520	0.0557	-	-	-
1.042	521	0.0173	-	-	-
1.044	522	0.1257	-	-	-
1.046	523	0.109	-	-	-
1.048	524	0.1324	-	-	-
1.05	525	0.0473	-	-	-
1.052	526	0.0282	-	-	-
1.054	527	0.0306	-	-	-
1.056	528	0.1041	-	-	-
1.058	529	0.0325	-	-	-
1.06	530	0.1379	-	-	-
1.062	531	0.0688	-	-	-
1.064	532	0.0237	-	-	-
1.066	533	0.0413	-	-	-
1.068	534	0.0438	-	-	-
1.07	535	0.0221	-	-	-
1.072	536	0.1374	-	-	-
1.074	537	0.2016	-	-	-
1.076	538	0.117	-	-	-
1.078	539	0.0732	-	-	-
1.08	540	0.2851	-	-	-
1.082	541	0.1177	-	-	-
1.084	542	0.0857	-	-	-
1.086	543	0.2624	-	-	-
1.088	544	0.1199	-	-	-
1.09	545	0.275	-	-	-
1.092	546	0.1492	-	-	-
1.094	547	0.0811	-	-	-
1.096	548	0.0325	-	-	-
1.098	549	0.1453	-	-	-
1.1	550	0.132	-	-	-
1.102	551	0.1163	-	-	-
1.104	552	0.2139	-	-	-
1.106	553	0.0967	-	-	-
1.108	554	0.1572	-	-	-
1.11	555	0.109	-	-	-
1.112	556	0.1066	-	-	-
1.114	557	0.0795	-	-	-
1.116	558	0.0573	-	-	-
1.1180	559	0.0665	-	-	-
1.12	560	0.279	-	-	-
1.1220	561	0.1225	-	-	-
1.124	562	0.3426	-	-	-
1.126	563	0.0613	-	-	-
1.1280	564	0.0596	-	-	-
1.13	565	0.2966	-	-	-
1.1320	566	0.1284	-	-	-
1.134	567	0.027	-	-	-
1.1360	568	0.1999	-	-	-
1.138	569	0.1538	-	-	-
1.1400	570	0.0501	-	-	-
1.142	571	0.0768	-	-	-
1.144	572	0.2638	-	-	-
1.146	573	0.0601	-	-	-
1.148	574	0.1626	-	-	-
1.15	575	0.1472	-	-	-
1.152	576	0.0115	-	-	-
1.154	577	0.0273	-	-	-
1.156	578	0.0259	-	-	-
1.158	579	0.0521	-	-	-
1.16	580	0.0735	-	-	-
1.162	581	0.1397	-	-	-
1.164	582	0.0481	-	-	-
1.166	583	0.0513	-	-	-
1.168	584	0.0899	-	-	-
1.17	585	0.178	-	-	-
1.172	586	0.0456	-	-	-
1.174	587	0.0787	-	-	-
1.176	588	0.0707	-	-	-
1.178	589	0.1899	-	-	-
1.18	590	0.1229	-	-	-
1.182	591	0.1822	-	-	-
1.184	592	0.215	-	-	-
1.186	593	0.1395	-	-	-
1.188	594	0.3954	-	-	-
1.19	595	0.045	-	-	-
1.192	596	0.2338	-	-	-
1.194	597	0.2622	-	-	-
1.196	598	0.2399	-	-	-
1.198	599	0.0787	-	-	-
1.2	600	0.1069	-	-	-
1.202	601	0.0787	-	-	-
1.204	602	0.0477	-	-	-
1.206	603	0.1301	-	-	-
1.208	604	0.1111	-	-	-
1.21	605	0.0251	-	-	-
1.212	606	0.1046	-	-	-
1.214	607	0.0361	-	-	-
1.216	608	0.0434	-	-	-
1.218	609	0.1725	-	-	-
1.22	610	0.0638	-	-	-
1.222	611	0.046	-	-	-
1.224	612	0.1678	-	-	-
1.226	613	0.1098	-	-	-
1.228	614	0.0834	-	-	-
1.23	615	0.1329	-	-	-
1.232	616	0.304	-	-	-
1.234	617	0.0296	-	-	-
1.236	618	0.0801	-	-	-
1.238	619	0.1882	-	-	-
1.24	620	0.2169	-	-	-
1.242	621	0.0739	-	-	-
1.244	622	0.0463	-	-	-
1.246	623	0.0848	-	-	-
1.248	624	0.0407	-	-	-
1.25	625	0.1851	-	-	-
1.252	626	0.0745	-	-	-
1.254	627	0.2142	-	-	-
1.256	628	0.0882	-	-	-
1.258	629	0.0301	-	-	-
1.26	630	0.1778	-	-	-
1.262	631	0.1925	-	-	-
1.264	632	0.3233	-	-	-
1.266	633	0.0969	-	-	-
1.268	634	0.1343	-	-	-
1.27	635	0.1478	-	-	-
1.272	636	0.1055	-	-	-
1.274	637	0.2572	-	-	-
1.276	638	0.0496	-	-	-
1.278	639	0.0144	-	-	-
1.28	640	0.0792	-	-	-
1.282	641	0.0967	-	-	-
1.284	642	0.08	-	-	-
1.286	643	0.0922	-	-	-
1.288	644	0.1447	-	-	-
1.29	645	0.2521	-	-	-
1.292	646	0.0659	-	-	-
1.294	647	0.0804	-	-	-
1.296	648	0.1712	-	-	-
1.298	649	0.0455	-	-	-
1.3	650	0.1506	-	-	-
1.302	651	0.2414	-	-	-
1.304	652	0.0795	-	-	-
1.306	653	0.0976	-	-	-
1.308	654	0.0934	-	-	-
1.31	655	0.1511	-	-	-
1.312	656	0.066	-	-	-
1.314	657	0.244	-	-	-
1.316	658	0.186	-	-	-
1.318	659	0.1296	-	-	-
1.32	660	0.1309	-	-	-
1.322	661	0.093	-	-	-
1.324	662	0.0457	-	-	-
1.326	663	0.122	-	-	-
1.328	664	0.155	-	-	-
1.33	665	0.1544	-	-	-
1.332	666	0.1538	-	-	-
1.334	667	0.0263	-	-	-
1.336	668	0.0883	-	-	-
1.338	669	0.0986	-	-	-
1.34	670	0.1337	-	-	-
1.342	671	0.0487	-	-	-
1.3440	672	0.0677	-	-	-
1.346	673	0.1479	-	-	-
1.3480	674	0.1033	-	-	-
1.35	675	0.0825	-	-	-
1.3520	676	0.1376	-	-	-
1.354	677	0.0389	-	-	-
1.3560	678	0.0428	-	-	-
1.358	679	0.0924	-	-	-
1.3600	680	0.3238	-	-	-
1.362	681	0.0606	-	-	-
1.3640	682	0.1446	-	-	-
1.366	683	0.1162	-	-	-
1.3680	684	0.0156	-	-	-
1.37	685	0.1563	-	-	-
1.3720	686	0.1791	-	-	-
1.374	687	0.1723	-	-	-
1.376	688	0.022	-	-	-
1.3780	689	0.1115	-	-	-
1.38	690	0.0513	-	-	-
1.3820	691	0.0493	-	-	-
1.384	692	0.1351	-	-	-
1.3860	693	0.1507	-	-	-
1.388	694	0.1069	-	-	-
1.3900	695	0.0148	-	-	-
1.392	696	0.0643	-	-	-
1.3940	697	0.0175	-	-	-
1.396	698	0.1017	-	-	-
1.3980	699	0.0461	-	-	-
1.4	700	0.0096	-	-	-
1.4020	701	0.1118	-	-	-
1.404	702	0.1427	-	-	-
1.4060	703	0.0953	-	-	-
1.408	704	0.0912	-	-	-
1.41	705	0.2649	-	-	-
1.412	706	0.1928	-	-	-
1.414	707	0.0384	-	-	-
1.416	708	0.0579	-	-	-
1.418	709	0.0942	-	-	-
1.42	710	0.0532	-	-	-
1.422	711	0.1949	-	-	-
1.424	712	0.1657	-	-	-
1.426	713	0.0957	-	-	-
1.428	714	0.1495	-	-	-
1.43	715	0.1316	-	-	-
1.432	716	0.1386	-	-	-
1.434	717	0.1377	-	-	-
1.436	718	0.0269	-	-	-
1.438	719	0.1463	-	-	-
1.44	720	0.0322	-	-	-
1.442	721	0.0959	-	-	-
1.444	722	0.262	-	-	-
1.446	723	0.1211	-	-	-
1.448	724	0.105	-	-	-
1.45	725	0.0905	-	-	-
1.452	726	0.1649	-	-	-
1.454	727	0.0931	-	-	-
1.456	728	0.1015	-	-	-
1.458	729	0.2908	-	-	-
1.46	730	0.133	-	-	-
1.462	731	0.0185	-	-	-
1.464	732	0.162	-	-	-
1.466	733	0.2447	-	-	-
1.468	734	0.1219	-	-	-
1.47	735	0.1305	-	-	-
1.472	736	0.0223	-	-	-
1.474	737	0.1261	-	-	-
1.476	738	0.0299	-	-	-
1.478	739	0.1124	-	-	-
1.48	740	0.0632	-	-	-
1.482	741	0.0741	-	-	-
1.484	742	0.089	-	-	-
1.486	743	0.0845	-	-	-
1.488	744	0.1445	-	-	-
1.49	745	0.0472	-	-	-
1.492	746	0.0799	-	-	-
1.494	747	0.0979	-	-	-
1.496	748	0.0296	-	-	-
1.498	749	0.055	-	-	-
1.5	750	0.0787	-	-	-
1.502	751	0.0693	-	-	-
1.504	752	0.0731	-	-	-
1.506	753	0.4	-	-	-
1.508	754	0.1831	-	-	-
1.51	755	0.0708	-	-	-
1.512	756	0.1108	-	-	-
1.514	757	0.0451	-	-	-
1.516	758	0.0482	-	-	-
1.518	759	0.14	-	-	-
1.52	760	0.1363	-	-	-
1.522	761	0.026	-	-	-
1.524	762	0.1186	-	-	-
1.526	763	0.0555	-	-	-
1.528	764	0.0464	-	-	-
1.53	765	0.1183	-	-	-
1.532	766	0.1928	-	-	-
1.534	767	0.0853	-	-	-
1.536	768	0.0391	-	-	-
1.538	769	0.146	-	-	-
1.54	770	0.2329	-	-	-
1.542	771	0.0312	-	-	-
1.544	772	0.023	-	-	-
1.546	773	0.0287	-	-	-
1.548	774	0.1207	-	-	-
1.55	775	0.0661	-	-	-
1.552	776	0.0676	-	-	-
1.554	777	0.0819	-	-	-
1.556	778	0.1381	-	-	-
1.558	779	0.0536	-	-	-
1.56	780	0.0785	-	-	-
1.562	781	0.0882	-	-	-
1.564	782	0.163	-	-	-
1.5660	783	0.2363	-	-	-
1.568	784	0.0252	-	-	-
1.5700	785	0.1315	-	-	-
1.572	786	0.0607	-	-	-
1.5740	787	0.1187	-	-	-
1.576	788	0.1396	-	-	-
1.5780	789	0.1571	-	-	-
1.58	790	0.018	-	-	-
1.5820	791	0.0429	-	-	-
1.584	792	0.0273	-	-	-
1.5860	793	0.2074	-	-	-
1.588	794	0.0327	-	-	-
1.5900	795	0.3247	-	-	-
1.592	796	0.0979	-	-	-
1.5940	797	0.0725	-	-	-
1.596	798	0.2245	-	-	-
1.5980	799	0.0806	-	-	-
1.6	800	0.0518	-	-	-
1.6020	801	0.3045	-	-	-
1.604	802	0.182	-	-	-
1.6060	803	0.0297	-	-	-
1.608	804	0.1159	-	-	-
1.6100	805	0.0743	-	-	-
1.612	806	0.1822	-	-	-
1.6140	807	0.2173	-	-	-
1.616	808	0.0427	-	-	-
1.6180	809	0.0755	-	-	-
1.62	810	0.0775	-	-	-
1.6220	811	0.0307	-	-	-
1.624	812	0.1468	-	-	-
1.626	813	0.0179	-	-	-
1.6280	814	0.0741	-	-	-
1.63	815	0.0084	-	-	-
1.6320	816	0.0804	-	-	-
1.634	817	0.1786	-	-	-
1.6360	818	0.0668	-	-	-
1.638	819	0.0427	-	-	-
1.6400	820	0.1984	-	-	-
1.642	821	0.0283	-	-	-
1.6440	822	0.3168	-	-	-
1.646	823	0.0422	-	-	-
1.6480	824	0.0174	-	-	-
1.65	825	0.4652	-	-	-
1.6520	826	0.1203	-	-	-
1.654	827	0.5123	-	-	-
1.6560	828	0.0357	-	-	-
1.658	829	0.1066	-	-	-
1.6600	830	0.0586	-	-	-
1.662	831	0.0248	-	-	-
1.6640	832	0.2005	-	-	-
1.666	833	0.2822	-	-	-
1.6680	834	0.1164	-	-	-
1.67	835	0.0369	-	-	-
1.6720	836	0.0337	-	-	-
1.674	837	0.0298	-	-	-
1.6760	838	0.0321	-	-	-
1.678	839	0.2547	-	-	-
1.6800	840	0.0279	-	-	-
1.682	841	0.0421	-	-	-
1.6840	842	0.0922	-	-	-
1.686	843	0.1706	-	-	-
1.688	844	0.0396	-	-	-
1.69	845	0.2036	-	-	-
1.692	846	0.0424	-	-	-
1.694	847	0.0218	-	-	-
1.696	848	0.0416	-	-	-
1.698	849	0.0701	-	-	-
1.7	850	0.1413	-	-	-
1.702	851	0.18	-	-	-
1.704	852	0.3281	-	-	-
1.706	853	0.0621	-	-	-
1.708	854	0.1265	-	-	-
1.71	855	0.1584	-	-	-
1.712	856	0.1026	-	-	-
1.714	857	0.0396	-	-	-
1.716	858	0.1851	-	-	-
1.718	859	0.3312	-	-	-
1.72	860	0.0175	-	-	-
1.722	861	0.1121	-	-	-
1.724	862	0.1166	-	-	-
1.726	863	0.2599	-	-	-
1.728	864	0.0271	-	-	-
1.73	865	0.0375	-	-	-
1.732	866	0.2162	-	-	-
1.734	867	0.2942	-	-	-
1.736	868	0.1047	-	-	-
1.738	869	0.168	-	-	-
1.74	870	0.0997	-	-	-
1.742	871	0.1627	-	-	-
1.744	872	0.0577	-	-	-
1.746	873	0.1708	-	-	-
1.748	874	0.0256	-	-	-
1.75	875	0.0066	-	-	-
1.752	876	0.0222	-	-	-
1.754	877	0.075	-	-	-
1.756	878	0.3203	-	-	-
1.758	879	0.0435	-	-	-
1.76	880	0.0762	-	-	-
1.762	881	0.097	-	-	-
1.764	882	0.0438	-	-	-
1.766	883	0.0834	-	-	-
1.768	884	0.1426	-	-	-
1.77	885	0.0322	-	-	-
1.772	886	0.2118	-	-	-
1.774	887	0.1225	-	-	-
1.776	888	0.0479	-	-	-
1.778	889	0.2409	-	-	-
1.78	890	0.0674	-	-	-
1.782	891	0.0272	-	-	-
1.784	892	0.1856	-	-	-
1.786	893	0.0809	-	-	-
1.788	894	0.1939	-	-	-
1.79	895	0.0078	-	-	-
1.792	896	0.2903	-	-	-
1.794	897	0.1346	-	-	-
1.796	898	0.0814	-	-	-
1.798	899	0.1268	-	-	-
1.8	900	0.0869	-	-	-
1.802	901	0.0506	-	-	-
1.804	902	0.1026	-	-	-
1.806	903	0.0654	-	-	-
1.808	904	0.0812	-	-	-
1.81	905	0.0503	-	-	-
1.812	906	0.0425	-	-	-
1.814	907	0.0137	-	-	-
1.8160	908	0.0172	-	-	-
1.818	909	0.0648	-	-	-
1.8200	910	0.2936	-	-	-
1.822	911	0.0717	-	-	-
1.8240	912	0.3888	-	-	-
1.826	913	0.1013	-	-	-
1.8280	914	0.0628	-	-	-
1.83	915	0.0973	-	-	-
1.8320	916	0.1743	-	-	-
1.834	917	0.3647	-	-	-
1.8360	918	0.086	-	-	-
1.838	919	0.0778	-	-	-
1.8400	920	0.8005	-	-	-
1.842	921	0.2143	-	-	-
1.8440	922	0.0517	-	-	-
1.846	923	0.0518	-	-	-
1.8480	924	0.0924	-	-	-
1.85	925	0.2011	-	-	-
1.8520	926	0.1827	-	-	-
1.854	927	0.1945	-	-	-
1.8560	928	0.0351	-	-	-
1.858	929	0.0997	-	-	-
1.8600	930	0.3409	-	-	-
1.862	931	0.3948	-	-	-
1.8640	932	0.0749	-	-	-
1.866	933	0.1114	-	-	-
1.8680	934	0.1581	-	-	-
1.87	935	0.1248	-	-	-
1.8720	936	0.0723	-	-	-
1.874	937	0.0996	-	-	-
1.876	938	0.0613	-	-	-
1.8780	939	0.0193	-	-	-
1.88	940	0.0821	-	-	-
1.8820	941	0.0973	-	-	-
1.884	942	0.0814	-	-	-
1.8860	943	0.0633	-	-	-
1.888	944	0.4131	-	-	-
1.8900	945	0.0262	-	-	-
1.892	946	0.1662	-	-	-
1.8940	947	0.0621	-	-	-
1.896	948	0.1431	-	-	-
1.8980	949	0.1229	-	-	-
1.9	950	0.048	-	-	-
1.9020	951	0.2348	-	-	-
1.904	952	0.2099	-	-	-
1.9060	953	0.0815	-	-	-
1.908	954	0.0525	-	-	-
1.9100	955	0.0828	-	-	-
1.912	956	0.0879	-	-	-
1.9140	957	0.1166	-	-	-
1.916	958	0.1352	-	-	-
1.9180	959	0.1826	-	-	-
1.92	960	0.0749	-	-	-
1.9220	961	0.1123	-	-	-
1.924	962	0.0405	-	-	-
1.9260	963	0.2869	-	-	-
1.928	964	0.0289	-	-	-
1.9300	965	0.1039	-	-	-
1.932	966	0.1875	-	-	-
1.9340	967	0.0567	-	-	-
1.936	968	0.042	-	-	-
1.938	969	0.1026	-	-	-
1.94	970	0.2839	-	-	-
1.942	971	0.183	-	-	-
1.944	972	0.0164	-	-	-
1.946	973	0.0975	-	-	-
1.948	974	0.0328	-	-	-
1.95	975	0.0867	-	-	-
1.952	976	0.1905	-	-	-
1.954	977	0.1479	-	-	-
1.956	978	0.0164	-	-	-
1.958	979	0.0182	-	-	-
1.96	980	0.0076	-	-	-
1.962	981	0.0128	-	-	-
1.964	982	0.0302	-	-	-
1.966	983	0.1654	-	-	-
1.968	984	0.1246	-	-	-
1.97	985	0.1388	-	-	-
1.972	986	0.0126	-	-	-
1.974	987	0.0651	-	-	-
1.976	988	0.1211	-	-	-
1.978	989	0.0142	-	-	-
1.98	990	0.1596	-	-	-
1.982	991	0.0819	-	-	-
1.984	992	0.058	-	-	-
1.986	993	0.0131	-	-	-
1.988	994	0.0666	-	-	-
1.99	995	0.1033	-	-	-
1.992	996	0.0368	-	-	-
1.994	997	0.0578	-	-	-
1.996	998	0.1155	-	-	-
1.998	999	0.016	-	-	-
2.0	1000	0.0665	-	-	-

Framework Versions

• Python: 3.12.5
• Sentence Transformers: 5.0.0
• Transformers: 4.54.0
• PyTorch: 2.7.1+cu126
• Accelerate: 1.9.0
• Datasets: 4.0.0
• Tokenizers: 0.21.2

Citation

BibTeX

Sentence Transformers

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

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}