Binary Classifier Conversion Intent 1.1 L12

🚀 Setfit分類模型：基於L12 sbert模型在轉換數據集上的應用

本項目是一個基於L6模型的Setfit分類模型，可用於分類任務。

🚀 快速開始

安裝依賴

pip install setfit

使用模型

from setfit import SetFitModel
model = SetFitModel.from_pretrained("nayan06/binary-classifier-conversion-intent-1.1-l12")
prediction = model(['i want to buy thing'])

✨ 主要特性

• 適用任務：句子相似度、特徵提取、分類等。
• 模型類型：Setfit模型，以L6模型為基礎。

📚 詳細文檔

評估結果

如需對該模型進行自動評估，請參考 Sentence Embeddings Benchmark：https://seb.sbert.net

訓練詳情

訓練參數

• 數據加載器： torch.utils.data.dataloader.DataLoader，長度為2163，參數如下：

{'batch_size': 16, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

• 損失函數： sentence_transformers.losses.CosineSimilarityLoss.CosineSimilarityLoss

fit()方法的參數

{
    "epochs": 1,
    "evaluation_steps": 0,
    "evaluator": "NoneType",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": 2163,
    "warmup_steps": 217,
    "weight_decay": 0.01
}

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
  (2): Normalize()
)

使用的數據集

https://huggingface.co/datasets/nayan06/conversion1.0

引用與作者

如需瞭解更多信息，請參考相關文檔。