Hugging Face's logo

mini1013
/
master_cate_sl30

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results (legacy)
text-embeddings-inference
Model card Files
xet
Community
master_cate_sl30 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
7197267 verified
preview code
|
raw
history blame contribute delete
13.5 kB
metadata 
tags:
  - setfit
  - sentence-transformers
  - text-classification
  - generated_from_setfit_trainer
widget:
  - text: 요넥스 테니스공 홀더 메탈 볼클립 볼걸이 테니스용품 스포츠/레저>테니스>기타테니스용품
  - text: 스트링 스타팅 클램프 알루미늄 합금 익스텐션 코드 테니스 배드민턴 전문 액세서리 1m 스포츠/레저>테니스>기타테니스용품
  - text: 60 개 롤 스풀 10m 탄성 신축성 스트링 스레드 헤어 익스텐션 스레드 와이 스포츠/레저>테니스>스트링
  - text: 알로 MATCH POINT 여성 테니스 스커트 스포츠/레저>테니스>테니스의류
  - text: 디아도라 AIR TEX 테니스 볼 그래픽 반팔 티셔츠 GREEN D4221TRS14GNL 스포츠/레저>테니스>테니스의류
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
  • '윌슨 테니스 진동 방지 2개들이 PROFEEL 프로필 WRZ537700 스포츠/레저>테니스>기타테니스용품'
  • '국제 단추엘보 대 2단 1개입 엘보링 테니스라켓 댐프너 스포츠/레저>테니스>기타테니스용품'
  • '테니스 라켓거치대 배드민턴채 진열대 수납 보관대 스포츠/레저>테니스>기타테니스용품'
5.0
  • '윌슨 클래시 100 투어 테니스라켓 WR005711 스포츠/레저>테니스>테니스라켓'
  • '요넥스 아스트렐 100 테니스라켓 YY1209RT030 스포츠/레저>테니스>테니스라켓'
  • '낫소 옵티멈 투어 테니스라켓 스포츠/레저>테니스>테니스라켓'
2.0
  • '슈퍼스트링 갓클래스 신의클래스 122 127 12M 스포츠/레저>테니스>스트링'
  • '낫소 다이너마이트 테니스 스트링 200M 스포츠/레저>테니스>스트링'
  • 'LUXILON 럭실론 테니스 스트링 거트 롤 알루파워 러프 1 25 200m WRZ9902 스포츠/레저>테니스>스트링'
4.0
  • '낫소스포츠 낫소 통볼 T-507C 스포츠/레저>테니스>테니스공'
  • '신신상사 스타스포츠 매치포인트 시합구 TB172 스포츠/레저>테니스>테니스공'
  • '프록시마 매치 포인트 테니스공 스포츠/레저>테니스>테니스공'
0.0
  • '투나 GENUINE 가죽그립 1 교체용 쿠션그립 리플레이스먼트 테니스 원그립 스포츠/레저>테니스>그립'
  • '낫소 테니스 오버그립 30개입 NSOG-30 스포츠/레저>테니스>그립'
  • '감마 GAMMA Tennis Overgrip Ideal for Tennis Pickleball Squash Badminton and Racquetball Durable and 스포츠/레저>테니스>그립'
3.0
  • '윌슨 WILSON 테니스 쉴드 슬링백 라켓 가방 스포츠/레저>테니스>테니스가방'
  • '부천정스포츠 라코스테 테니스가방 락팩 L23 스포츠 대용량 가방 스포츠/레저>테니스>테니스가방'
  • '윌슨 더플백 스포츠/레저>테니스>테니스가방'
7.0
  • '아식스 젤리솔루션 9 올코트 1041A330 600 스포츠/레저>테니스>테니스화'
  • '아식스 COURT SLIDE 3 CLAY OC코트 슬라이드 OC 여성 테니스화 옴니 클레이용 신발 1042A230 220824ASTS 스포츠/레저>테니스>테니스화'
  • '아식스 코트 FF3 올코트 테니스화 여성 1042A220 400 스포츠/레저>테니스>테니스화'
6.0
  • '윌슨 여성 윈 풀온 플리츠 테니스숏 반바지 클래식네이비 스포츠/레저>테니스>테니스의류'
  • '디아도라 테니스 라이프 그래픽 반팔티셔츠 VIOLET 스포츠/레저>테니스>테니스의류'
  • '라코스테 스포츠 치마바지 테니스 베이직 플리츠 스커트 7WJ JF0990-54G 스포츠/레저>테니스>테니스의류'

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_sl30")
# Run inference
preds = model("알로 MATCH POINT 여성 테니스 스커트 스포츠/레저>테니스>테니스의류")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 3 8.2241 18
Label Training Sample Count
0.0 70
1.0 70
2.0 70
3.0 70
4.0 50
5.0 70
6.0 70
7.0 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
0.0094 1 0.4693 -
0.4717 50 0.4966 -
0.9434 100 0.2749 -
1.4151 150 0.0397 -
1.8868 200 0.0179 -
2.3585 250 0.0076 -
2.8302 300 0.0 -
3.3019 350 0.0 -
3.7736 400 0.0 -
4.2453 450 0.0 -
4.7170 500 0.0 -
5.1887 550 0.0 -
5.6604 600 0.0 -
6.1321 650 0.0 -
6.6038 700 0.0 -
7.0755 750 0.0 -
7.5472 800 0.0 -
8.0189 850 0.0 -
8.4906 900 0.0 -
8.9623 950 0.0 -
9.4340 1000 0.0 -
9.9057 1050 0.0 -
10.3774 1100 0.0 -
10.8491 1150 0.0 -
11.3208 1200 0.0 -
11.7925 1250 0.0 -
12.2642 1300 0.0 -
12.7358 1350 0.0 -
13.2075 1400 0.0 -
13.6792 1450 0.0 -
14.1509 1500 0.0 -
14.6226 1550 0.0 -
15.0943 1600 0.0 -
15.5660 1650 0.0 -
16.0377 1700 0.0 -
16.5094 1750 0.0 -
16.9811 1800 0.0 -
17.4528 1850 0.0 -
17.9245 1900 0.0 -
18.3962 1950 0.0 -
18.8679 2000 0.0 -
19.3396 2050 0.0 -
19.8113 2100 0.0 -
20.2830 2150 0.0 -
20.7547 2200 0.0 -
21.2264 2250 0.0 -
21.6981 2300 0.0 -
22.1698 2350 0.0 -
22.6415 2400 0.0 -
23.1132 2450 0.0 -
23.5849 2500 0.0 -
24.0566 2550 0.0 -
24.5283 2600 0.0 -
25.0 2650 0.0 -
25.4717 2700 0.0 -
25.9434 2750 0.0 -
26.4151 2800 0.0 -
26.8868 2850 0.0 -
27.3585 2900 0.0 -
27.8302 2950 0.0 -
28.3019 3000 0.0 -
28.7736 3050 0.0 -
29.2453 3100 0.0 -
29.7170 3150 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}
}