Update README.md

README.md

@@ -45,19 +45,6 @@ The model has been trained using an efficient few-shot learning technique that i
 - **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                                                                                                                                                                                                                                                 |
-|:------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
-| 4     | <ul><li>'Pouvez-vous me dire comment dire «je ne parle pas beaucoup espagnol», en espagnol'</li><li>"Dites-moi comment dire: «C'est une belle matinée» en italien"</li><li>"Si j'étais japonais, comment dirais-je que je suis touriste"</li></ul>       |
-| 2     | <ul><li>'La Corée du Nord a-t-elle des alertes de voyage que je devrais être conscientes'</li><li>'Y a-t-il des alertes de voyage pour la Syrie'</li><li>'Y a-t-il une alerte de voyage pour la Russie'</li></ul>                                        |
-| 6     | <ul><li>'Y a-t-il des nouvelles sur le vol DL123'</li><li>'Quand allons-nous commencer à monter à bord de mon vol prévu'</li><li>'Quand mon vol décollera-t-il'</li></ul>                                                                                |
-| 5     | <ul><li>"Localiser les bagages perdus de Flight America Airlines à O'Hare"</li><li>"Perte des bagages sur Flight America Airlines à O'Hare"</li><li>'Je pense que mes bagages ont été perdus'</li></ul>                                                  |
-| 7     | <ul><li>'Veuillez suggérer des activités touristiques amusantes à Tokyo'</li><li>'Si je vais à Evans, que dois-je faire'</li><li>'Quels sont les bons restaurants à Chicago'</li></ul>                                                                   |
-| 3     | <ul><li>'Voulez-vous me faire part des restrictions de bagage à main pour American Airlines'</li><li>'Restrictions de cabine pour les émirats arabes unis'</li><li>"Qu'est-ce que je suis autorisé à prendre en cabine avec American Airlines"</li></ul> |
-| 0     | <ul><li>'Réservez-moi une chambre du 11 au 15 novembre à Cali'</li><li>'Trouvez-moi un endroit où séjourner à Cali du 11 au 15 novembre'</li><li>'Quels hôtels ont des critiques décentes à Bangor'</li></ul>                                            |
-| 1     | <ul><li>'Trouvez-moi des vols aller-retour de LAX vers SFOX'</li><li>'Réservez un vol de Chicago à DC lundi et revenant mercredi'</li><li>'Je recherche un vol aller-retour de AAF à DIA du 23 février au 28 février'</li></ul>                          |
-| 8     | <ul><li>'Combien coûte des frais de découvert pour la banque'</li><li>"Quelle taille d'essuie-glace cette voiture prend-t-elle"</li><li>'Quel est le plus grand état des États-Unis'</li></ul>                                                           |
-
 ## Uses
 
 ### Direct Use for Inference
@@ -103,55 +90,6 @@ preds = model("Comment dire bonjour en anglais")
 *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   | 4   | 8.4748 | 20  |
-
-| Label | Training Sample Count |
-|:------|:----------------------|
-| 0     | 15                    |
-| 1     | 14                    |
-| 2     | 13                    |
-| 3     | 16                    |
-| 4     | 15                    |
-| 5     | 15                    |
-| 6     | 14                    |
-| 7     | 16                    |
-| 8     | 21                    |
-
-### Training Hyperparameters
-- batch_size: (32, 32)
-- num_epochs: (2, 2)
-- max_steps: -1
-- sampling_strategy: oversampling
-- num_iterations: 20
-- 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 |
-|:------:|:----:|:-------------:|:---------------:|
-| 0.0057 | 1    | 0.2753        | -               |
-| 0.2874 | 50   | 0.1751        | -               |
-| 0.5747 | 100  | 0.047         | -               |
-| 0.8621 | 150  | 0.0181        | -               |
-| 1.1494 | 200  | 0.0068        | -               |
-| 1.4368 | 250  | 0.0036        | -               |
-| 1.7241 | 300  | 0.0025        | -               |
-
 ### Framework Versions
 - Python: 3.11.11
 - SetFit: 1.1.1