Hugging Face's logo

mini1013
/
master_cate_bc8

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results (legacy)
text-embeddings-inference
Model card Files
xet
Community
master_cate_bc8 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
07ee4c4 verified
preview code
|
raw
history blame contribute delete
10.6 kB
metadata 
tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: 디스커버리익스페디션키즈 디스커버리 키즈 로고 래쉬가드  출산/육아 > 수영복/용품 > 남아수영복
  - text: >-
      뉴발란스키즈 뉴발란스 키즈 Beach Lounge 래쉬가드 유니 2in1 수영복 NK9RE2110U  출산/육아 > 수영복/용품 >
      남아수영복
  - text: 뷰 아동 수경 일반렌즈 일본 V424J LV 출산/육아 > 수영복/용품 > 수경/수모/귀마개
  - text: >-
      벤디스 아동 남아 여아 래쉬가드 세트 유아 수영복 P208 28.에스닉후드 비치 가디건 S207_오렌지_공용_7호 출산/육아 >
      수영복/용품 > 남아수영복
  - text: 비치는 반투명 수영장 방수 비치백 목욕가방 3종세트 상품선택_핑크세트 출산/육아 > 수영복/용품 > 수영가방/비치백
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
            name: Accuracy

SetFit with mini1013/master_domain

This is a SetFit model that can be used for Text Classification. This SetFit model uses mini1013/master_domain as the Sentence Transformer embedding model. A LogisticRegression 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 with contrastive learning.
  2. Training a classification head with features from the fine-tuned Sentence Transformer.

Model Details

Model Description

Model Sources

Model Labels

Label Examples
1.0
  • '플랩캡 모자 자외선차단 수영모자 유아 아동 공용 UV모자 C_핑크_M 출산/육아 > 수영복/용품 > 수경/수모/귀마개'
  • '아기물안경 유아물안경 성인용 CA01 화이트 출산/육아 > 수영복/용품 > 수경/수모/귀마개'
  • 'UV 플랩캡 아기 유아 아동 수영모자 버킷햇 해변 워터파크 자외선차단 UV플랩캡_그레이_S(3세이하) 출산/육아 > 수영복/용품 > 수경/수모/귀마개'
2.0
  • '어린이 수영가방 유아 비치백 여아 유치원 캐치티니핑 C.수영모자_47_로이도이 소프트_화이트/56 (770297) 출산/육아 > 수영복/용품 > 수영가방/비치백'
  • '어린이수영가방 수영장가방 비치백 유아 아동 유치원 09.엘오엘_LOL 레트로 비치 핸드백(핑크) 출산/육아 > 수영복/용품 > 수영가방/비치백'
  • '물빠지는 방수 메쉬 목욕가방 스파백_33.NCCSB11_블랙 출산/육아 > 수영복/용품 > 수영가방/비치백'
0.0
  • '레노마 아레나 슬라임 아동 4부 남아동수영복 A3BB1BF02 출산/육아 > 수영복/용품 > 남아수영복'
  • '스플래쉬어바웃 사계절 키즈래쉬가드 쇼티 웨트슈트 남아래쉬가드 남아수영복 키즈수영복 터그보츠_XXL(8-10세) 출산/육아 > 수영복/용품 > 남아수영복'
  • '디스커버리익스페디션키즈 키즈 로고 래쉬가드 L MINT 출산/육아 > 수영복/용품 > 남아수영복'
3.0
  • '아레나 초등여아 실내수영복 초등학생 키즈 주니어 4부 5부 반신 생존수영A3FG1GL22 핑크_70 출산/육아 > 수영복/용품 > 여아수영복'
  • '뿔공룡 유아 래쉬가드(90-120) 204119 피치90 출산/육아 > 수영복/용품 > 여아수영복'
  • '블루독 하트전판레쉬가드세트 24940 621 52 출산/육아 > 수영복/용품 > 여아수영복'

Evaluation

Metrics

Label Accuracy
all 1.0

Uses

Direct Use for Inference

First install the SetFit library:

pip install setfit

Then you can load this model and run inference.

from setfit import SetFitModel

# Download from the 🤗 Hub
model = SetFitModel.from_pretrained("mini1013/master_cate_bc8")
# Run inference
preds = model("뷰 아동 수경 일반렌즈 일본 V424J LV 출산/육아 > 수영복/용품 > 수경/수모/귀마개")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 7 13.5607 24
Label Training Sample Count
0.0 70
1.0 70
2.0 70
3.0 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
0.0182 1 0.4886 -
0.9091 50 0.4981 -
1.8182 100 0.3363 -
2.7273 150 0.0279 -
3.6364 200 0.0001 -
4.5455 250 0.0 -
5.4545 300 0.0 -
6.3636 350 0.0 -
7.2727 400 0.0 -
8.1818 450 0.0 -
9.0909 500 0.0 -
10.0 550 0.0 -
10.9091 600 0.0 -
11.8182 650 0.0 -
12.7273 700 0.0 -
13.6364 750 0.0 -
14.5455 800 0.0 -
15.4545 850 0.0 -
16.3636 900 0.0 -
17.2727 950 0.0 -
18.1818 1000 0.0 -
19.0909 1050 0.0 -
20.0 1100 0.0 -
20.9091 1150 0.0 -
21.8182 1200 0.0 -
22.7273 1250 0.0 -
23.6364 1300 0.0 -
24.5455 1350 0.0 -
25.4545 1400 0.0 -
26.3636 1450 0.0 -
27.2727 1500 0.0 -
28.1818 1550 0.0 -
29.0909 1600 0.0 -
30.0 1650 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 

@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}
}