Setfit Model Paraphrase MiniLM L6 V2

🚀 SetFit与sentence-transformers/paraphrase-MiniLM-L6-v2结合模型

这是一个基于SetFit的模型，可用于文本分类任务。该SetFit模型采用sentence-transformers/paraphrase-MiniLM-L6-v2作为句子嵌入模型，并使用LogisticRegression进行分类。

该模型运用了一种高效的少样本学习技术进行训练，具体步骤如下：

1. 通过对比学习对Sentence Transformer进行微调。
2. 利用微调后的Sentence Transformer提取的特征训练分类头。

✨ 主要特性

• 高效少样本学习：采用独特的训练技术，在少量样本上也能高效学习。
• 精准分类：在文本分类任务中表现出较高的准确率。

📦 安装指南

首先，你需要安装SetFit库：

pip install setfit

💻 使用示例

基础用法

from setfit import SetFitModel

# 从Hugging Face Hub下载模型
model = SetFitModel.from_pretrained("setfit_model_id")
# 进行推理
preds = model("systemctl stop apache2")

📚 详细文档

模型详情

模型描述

模型来源

• 代码仓库：GitHub上的SetFit
• 论文：Efficient Few-Shot Learning Without Prompts
• 博客文章：SetFit: Efficient Few-Shot Learning Without Prompts

模型标签

评估

评估指标

训练详情

训练集指标

训练超参数

• 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

训练结果

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

🔧 技术细节

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}
}