File size: 15,509 Bytes
bfc4285 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 |
---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: 2pcs 커튼 간단한 컬러 자카드 반투명 화면 침실 거실 장식 가구/인테리어>커튼/블라인드>실커튼
- text: 거실 커튼고정끈 침실 커텐정리줄 묶는끈 자석정리끈 가구/인테리어>커튼/블라인드>커튼액세서리
- text: 이케아 RACKA 레카 커튼봉 부자재 봉 부품 가구/인테리어>커튼/블라인드>커튼>커튼링/봉
- text: 버티컬 블라인드 커텐 암막 폭 버티컬 블라인드 클립 6개 DIY철물 가구/인테리어>커튼/블라인드>버티컬
- text: 집 음식점 현관 나무 비즈발 문발 입구 장식 가구/인테리어>커튼/블라인드>비즈발
metrics:
- accuracy
pipeline_tag: text-classification
library_name: setfit
inference: true
base_model: mini1013/master_domain
model-index:
- name: SetFit with mini1013/master_domain
results:
- task:
type: text-classification
name: Text Classification
dataset:
name: Unknown
type: unknown
split: test
metrics:
- type: accuracy
value: 1.0
name: Accuracy
---
# SetFit with mini1013/master_domain
This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [mini1013/master_domain](https://huggingface.co/mini1013/master_domain) as the Sentence Transformer embedding model. A [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance is used for classification.
The model has been trained using an efficient few-shot learning technique that involves:
1. Fine-tuning a [Sentence Transformer](https://www.sbert.net) with contrastive learning.
2. Training a classification head with features from the fine-tuned Sentence Transformer.
## Model Details
### Model Description
- **Model Type:** SetFit
- **Sentence Transformer body:** [mini1013/master_domain](https://huggingface.co/mini1013/master_domain)
- **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance
- **Maximum Sequence Length:** 512 tokens
- **Number of Classes:** 10 classes
<!-- - **Training Dataset:** [Unknown](https://huggingface.co/datasets/unknown) -->
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### Model Sources
- **Repository:** [SetFit on GitHub](https://github.com/huggingface/setfit)
- **Paper:** [Efficient Few-Shot Learning Without Prompts](https://arxiv.org/abs/2209.11055)
- **Blogpost:** [SetFit: Efficient Few-Shot Learning Without Prompts](https://huggingface.co/blog/setfit)
### Model Labels
| Label | Examples |
|:------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 9.0 | <ul><li>'누베스 베이직 콤비블라인드 에블린쉐이드 50x50 가구/인테리어>커튼/블라인드>콤비블라인드'</li><li>'창안애 내츄럴 콤비블라인드 커튼 거실 안방 30 x 30 가구/인테리어>커튼/블라인드>콤비블라인드'</li><li>'누베스 베이직 콤비 블라인드 에블린쉐이드 145 X 240 가구/인테리어>커튼/블라인드>콤비블라인드'</li></ul> |
| 6.0 | <ul><li>'탈의실 간이피팅룸 이동 접이식 야외 도어 커튼 휴대용 I자커튼 사무실 학교 13컬러 가구/인테리어>커튼/블라인드>자바라'</li><li>'자바라 도어 베란다 슬라이딩 칸막이 문 가구/인테리어>커튼/블라인드>자바라'</li><li>'접이식 도어 주방 화장실 방수 미닫이 문 자바라 커튼 가구/인테리어>커튼/블라인드>자바라'</li></ul> |
| 5.0 | <ul><li>'창안애 허니콤블라인드 벌집쉐이드 90 x 150 2개 가구/인테리어>커튼/블라인드>블라인드'</li><li>'홈안애 오동나무 베란다 원목 우드블라인드 40 x 40 가구/인테리어>커튼/블라인드>블라인드'</li><li>'창안애 50mm 타공 알루미늄 블라인드 방염방수 30 x 30 가구/인테리어>커튼/블라인드>블라인드'</li></ul> |
| 2.0 | <ul><li>'창안애 시그니처 클로브 암막롤스크린 30x30 가구/인테리어>커튼/블라인드>롤스크린'</li><li>'해비체 썬스크린 롤스크린 거실 베란다 창문 50x50 가구/인테리어>커튼/블라인드>롤스크린'</li><li>'아라크네 1+1 암막 롤스크린 소형 90 x 210 2개 가구/인테리어>커튼/블라인드>롤스크린'</li></ul> |
| 8.0 | <ul><li>'기숙사 가림막 학생방 이층침대커튼 암막 프라이버시 가구/인테리어>커튼/블라인드>커튼/로만세트'</li><li>'메종드모노 메이체크 먼지없는 가리개커튼 창문형긴창형 창문형 135x150 1장 가구/인테리어>커튼/블라인드>커튼/로만세트'</li><li>'폭커튼 커튼링 가구/인테리어>커튼/블라인드>커튼>커튼링/봉'</li></ul> |
| 3.0 | <ul><li>'창문가리개 크기 가구/인테리어>커튼/블라인드>바란스'</li><li>'실커튼 발 가림막 인테리어 줄커튼 가리개 가구/인테리어>커튼/블라인드>바란스'</li><li>'쥬앤크홈 멜랑 체크 가리개커튼 7색상 맞춤 가림막커튼 패브릭 창문 베란다 현관 중문 선반 가구/인테리어>커튼/블라인드>바란스'</li></ul> |
| 1.0 | <ul><li>'부드러운 문짝 커튼 내마모성 파티션 호텔 가구/인테리어>커튼/블라인드>로만셰이드'</li><li>'클래식 시즌 커튼 침실 장식 뜨개질 대만 풍수 가구/인테리어>커튼/블라인드>로만셰이드'</li><li>'로만쉐이드 나비 미국 축구 선수 커튼 욕실 3D 로먼쉐이드 가구/인테리어>커튼/블라인드>로만셰이드'</li></ul> |
| 4.0 | <ul><li>'롤스크린버티컬 블라인드버티컬 고정클립 카페 커피숍 6개 PW826DA4 가구/인테리어>커튼/블라인드>버티컬'</li><li>'암막 롤 스크린 러 바이저 휴대용 셔터 자동차 앞 유리 흡입 컵 주방 사무용품 7 - 가구/인테리어>커튼/블라인드>버티컬'</li><li>'햇빛가리개 붙이는 롤업 블라인드 58x125 가구/인테리어>커튼/블라인드>버티컬'</li></ul> |
| 0.0 | <ul><li>'커튼핀 콤비손잡이 세련된 꽃 모양 창 커튼 1 개 백 리본 커튼장식 롤스크린부품 가구/인테리어>커튼/블라인드>커튼액세서리'</li><li>'백장미 플라워 커튼 집게 1P 가구/인테리어>커튼/블라인드>커튼액세서리'</li><li>'타이백 커튼 고정끈 커텐핀 커튼집게 커텐걸이 가구/인테리어>커튼/블라인드>커튼액세서리'</li></ul> |
| 7.0 | <ul><li>'Jon 가든 출입문 모기장 현관방충망 가구/인테리어>커튼/블라인드>캐노피'</li><li>'이층침대모기장 낮은 천장형 모기장 2층 침대 커튼 슈퍼 싱글 베드 커텐형 천막 가구/인테리어>커튼/블라인드>캐노피'</li><li>'사무실햇빛가리개 책상 모니터 비침 형광등 자유조정 사무실 침대 캐노피 가림막 다용도 커버 가구/인테리어>커튼/블라인드>캐노피'</li></ul> |
## Evaluation
### Metrics
| Label | Accuracy |
|:--------|:---------|
| **all** | 1.0 |
## Uses
### Direct Use for Inference
First install the SetFit library:
```bash
pip install setfit
```
Then you can load this model and run inference.
```python
from setfit import SetFitModel
# Download from the 🤗 Hub
model = SetFitModel.from_pretrained("mini1013/master_cate_fi15")
# Run inference
preds = model("집 음식점 현관 나무 비즈발 문발 입구 장식 가구/인테리어>커튼/블라인드>비즈발")
```
<!--
### Downstream Use
*List how someone could finetune this model on their own dataset.*
-->
<!--
### 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 Set Metrics
| Training set | Min | Median | Max |
|:-------------|:----|:-------|:----|
| Word count | 2 | 9.1343 | 20 |
| Label | Training Sample Count |
|:------|:----------------------|
| 0.0 | 70 |
| 1.0 | 70 |
| 2.0 | 70 |
| 3.0 | 70 |
| 4.0 | 70 |
| 5.0 | 70 |
| 6.0 | 70 |
| 7.0 | 70 |
| 8.0 | 70 |
| 9.0 | 70 |
### Training Hyperparameters
- batch_size: (256, 256)
- num_epochs: (30, 30)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 50
- body_learning_rate: (2e-05, 1e-05)
- head_learning_rate: 0.01
- loss: CosineSimilarityLoss
- distance_metric: cosine_distance
- margin: 0.25
- end_to_end: False
- use_amp: False
- warmup_proportion: 0.1
- l2_weight: 0.01
- seed: 42
- eval_max_steps: -1
- load_best_model_at_end: False
### Training Results
| Epoch | Step | Training Loss | Validation Loss |
|:-------:|:----:|:-------------:|:---------------:|
| 0.0073 | 1 | 0.4829 | - |
| 0.3650 | 50 | 0.4991 | - |
| 0.7299 | 100 | 0.4963 | - |
| 1.0949 | 150 | 0.3354 | - |
| 1.4599 | 200 | 0.0958 | - |
| 1.8248 | 250 | 0.0204 | - |
| 2.1898 | 300 | 0.0065 | - |
| 2.5547 | 350 | 0.0004 | - |
| 2.9197 | 400 | 0.0002 | - |
| 3.2847 | 450 | 0.0002 | - |
| 3.6496 | 500 | 0.0001 | - |
| 4.0146 | 550 | 0.0001 | - |
| 4.3796 | 600 | 0.0001 | - |
| 4.7445 | 650 | 0.0001 | - |
| 5.1095 | 700 | 0.0001 | - |
| 5.4745 | 750 | 0.0001 | - |
| 5.8394 | 800 | 0.0001 | - |
| 6.2044 | 850 | 0.0001 | - |
| 6.5693 | 900 | 0.0001 | - |
| 6.9343 | 950 | 0.0001 | - |
| 7.2993 | 1000 | 0.0 | - |
| 7.6642 | 1050 | 0.0 | - |
| 8.0292 | 1100 | 0.0 | - |
| 8.3942 | 1150 | 0.0 | - |
| 8.7591 | 1200 | 0.0 | - |
| 9.1241 | 1250 | 0.0 | - |
| 9.4891 | 1300 | 0.0 | - |
| 9.8540 | 1350 | 0.0 | - |
| 10.2190 | 1400 | 0.0 | - |
| 10.5839 | 1450 | 0.0 | - |
| 10.9489 | 1500 | 0.0 | - |
| 11.3139 | 1550 | 0.0 | - |
| 11.6788 | 1600 | 0.0 | - |
| 12.0438 | 1650 | 0.0 | - |
| 12.4088 | 1700 | 0.0 | - |
| 12.7737 | 1750 | 0.0 | - |
| 13.1387 | 1800 | 0.0 | - |
| 13.5036 | 1850 | 0.0 | - |
| 13.8686 | 1900 | 0.0 | - |
| 14.2336 | 1950 | 0.0 | - |
| 14.5985 | 2000 | 0.0 | - |
| 14.9635 | 2050 | 0.0 | - |
| 15.3285 | 2100 | 0.0 | - |
| 15.6934 | 2150 | 0.0 | - |
| 16.0584 | 2200 | 0.0 | - |
| 16.4234 | 2250 | 0.0 | - |
| 16.7883 | 2300 | 0.0 | - |
| 17.1533 | 2350 | 0.0 | - |
| 17.5182 | 2400 | 0.0 | - |
| 17.8832 | 2450 | 0.0 | - |
| 18.2482 | 2500 | 0.0 | - |
| 18.6131 | 2550 | 0.0 | - |
| 18.9781 | 2600 | 0.0 | - |
| 19.3431 | 2650 | 0.0 | - |
| 19.7080 | 2700 | 0.0 | - |
| 20.0730 | 2750 | 0.0 | - |
| 20.4380 | 2800 | 0.0 | - |
| 20.8029 | 2850 | 0.0 | - |
| 21.1679 | 2900 | 0.0 | - |
| 21.5328 | 2950 | 0.0 | - |
| 21.8978 | 3000 | 0.0 | - |
| 22.2628 | 3050 | 0.0 | - |
| 22.6277 | 3100 | 0.0 | - |
| 22.9927 | 3150 | 0.0 | - |
| 23.3577 | 3200 | 0.0 | - |
| 23.7226 | 3250 | 0.0 | - |
| 24.0876 | 3300 | 0.0 | - |
| 24.4526 | 3350 | 0.0 | - |
| 24.8175 | 3400 | 0.0 | - |
| 25.1825 | 3450 | 0.0 | - |
| 25.5474 | 3500 | 0.0 | - |
| 25.9124 | 3550 | 0.0 | - |
| 26.2774 | 3600 | 0.0 | - |
| 26.6423 | 3650 | 0.0 | - |
| 27.0073 | 3700 | 0.0 | - |
| 27.3723 | 3750 | 0.0 | - |
| 27.7372 | 3800 | 0.0 | - |
| 28.1022 | 3850 | 0.0 | - |
| 28.4672 | 3900 | 0.0 | - |
| 28.8321 | 3950 | 0.0 | - |
| 29.1971 | 4000 | 0.0 | - |
| 29.5620 | 4050 | 0.0 | - |
| 29.9270 | 4100 | 0.0 | - |
### Framework Versions
- Python: 3.10.12
- SetFit: 1.1.0
- Sentence Transformers: 3.3.1
- Transformers: 4.44.2
- PyTorch: 2.2.0a0+81ea7a4
- Datasets: 3.2.0
- Tokenizers: 0.19.1
## Citation
### BibTeX
```bibtex
@article{https://doi.org/10.48550/arxiv.2209.11055,
doi = {10.48550/ARXIV.2209.11055},
url = {https://arxiv.org/abs/2209.11055},
author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
title = {Efficient Few-Shot Learning Without Prompts},
publisher = {arXiv},
year = {2022},
copyright = {Creative Commons Attribution 4.0 International}
}
```
<!--
## 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.*
--> |