Setfit Model Paraphrase MiniLM L6 V2

🚀 SetFit與sentence-transformers/paraphrase-MiniLM-L6-v2結合模型

這是一個基於SetFit的模型，可用於文本分類任務。該SetFit模型採用sentence-transformers/paraphrase-MiniLM-L6-v2作為句子嵌入模型，並使用LogisticRegression進行分類。

該模型運用了一種高效的少樣本學習技術進行訓練，具體步驟如下：

1. 通過對比學習對Sentence Transformer進行微調。
2. 利用微調後的Sentence Transformer提取的特徵訓練分類頭。

✨ 主要特性

• 高效少樣本學習：採用獨特的訓練技術，在少量樣本上也能高效學習。
• 精準分類：在文本分類任務中表現出較高的準確率。

📦 安裝指南

首先，你需要安裝SetFit庫：

pip install setfit

💻 使用示例

基礎用法

from setfit import SetFitModel

# 從Hugging Face Hub下載模型
model = SetFitModel.from_pretrained("setfit_model_id")
# 進行推理
preds = model("systemctl stop apache2")

📚 詳細文檔

模型詳情

模型描述

模型來源

• 代碼倉庫：GitHub上的SetFit
• 論文：Efficient Few-Shot Learning Without Prompts
• 博客文章：SetFit: Efficient Few-Shot Learning Without Prompts

模型標籤

評估

評估指標

訓練詳情

訓練集指標

訓練超參數

• batch_size: (16, 16)
• num_epochs: (1, 1)
• max_steps: -1
• sampling_strategy: oversampling
• 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: True

訓練結果

框架版本

• Python: 3.13.2
• SetFit: 1.1.2
• Sentence Transformers: 4.0.2
• Transformers: 4.51.0
• PyTorch: 2.6.0
• Datasets: 3.5.0
• Tokenizers: 0.21.1

🔧 技術細節

引用

@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}
}