Push model using huggingface_hub.

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 768,
+  "pooling_mode_cls_token": false,
+  "pooling_mode_mean_tokens": true,
+  "pooling_mode_max_tokens": false,
+  "pooling_mode_mean_sqrt_len_tokens": false,
+  "pooling_mode_weightedmean_tokens": false,
+  "pooling_mode_lasttoken": false,
+  "include_prompt": true
+}

README.md

@@ -0,0 +1,248 @@
+---
+base_model: mini1013/master_domain
+library_name: setfit
+metrics:
+- metric
+pipeline_tag: text-classification
+tags:
+- setfit
+- sentence-transformers
+- text-classification
+- generated_from_setfit_trainer
+widget:
+- text: 다이론 뉴핸드염료 의류 옷 면소재 패브릭 섬유 염색 36.튤립레드 싹다몰
+- text: '[대형] 컬러 EVA 에바폼 스폰지 10T / 1M x 1.5M 15T_노랑 DH팩토리'
+- text: 색 운용 한지 포장 공예 64 x 94cm 색 운용 한지_06 분홍색 덕인색채
+- text: 도자기물레 돌림판 도예 회전판 미니 공방 전동 350와트 핸드 푸시 페달 통합 교육 모델 리그나이트
+- text: 나무판넬 1호 - 30호 (기본형) / From Time S형(정사각)_5호 프롬타임
+inference: true
+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: metric
+      value: 0.9701504292352524
+      name: Metric
+---
+
+# SetFit with mini1013/master_domain
+
+This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [mini1013/master_domain](https://huggingface.co/mini1013/master_domain) as the Sentence Transformer embedding model. A [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) 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](https://www.sbert.net) with contrastive learning.
+2. Training a classification head with features from the fine-tuned Sentence Transformer.
+
+## Model Details
+
+### Model Description
+- **Model Type:** SetFit
+- **Sentence Transformer body:** [mini1013/master_domain](https://huggingface.co/mini1013/master_domain)
+- **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance
+- **Maximum Sequence Length:** 512 tokens
+- **Number of Classes:** 11 classes
+<!-- - **Training Dataset:** [Unknown](https://huggingface.co/datasets/unknown) -->
+<!-- - **Language:** Unknown -->
+<!-- - **License:** Unknown -->
+
+### Model Sources
+
+- **Repository:** [SetFit on GitHub](https://github.com/huggingface/setfit)
+- **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                                                                                                                                                                                                                                 |
+|:------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+| 0.0   | <ul><li>'홀아트 플러스 모델링페이스트 2L P47-14  은계알파문구주식회사'</li><li>'알파 실버 아크릴물감 50ml 낱색 #943 Brilliant purple 화방 스토리'</li><li>'gamin 아크릴물감 대용량 500ml 물감놀이 퍼포먼스미술 집콕놀이 29색 # 레몬 옐로우 #13. 스카이 블루 홍당무'</li></ul>                                       |
+| 4.0   | <ul><li>'묵운당 먹 소광 소(4정) 서예 캘리 동양화 한국화 사군자 민화  한국서예유통'</li><li>'타지마 먹물 PSS2-180 주황색 적색 먹치기 먹통용 청색 킬리만자로타이거'</li><li>'먹통 자동 선긋기 먹줄 먹실 휴대용 초크라인 먹물 단일 메가물류'</li></ul>                                                                       |
+| 8.0   | <ul><li>'국내제작 50호 유화 면천 미송정왁구 캔버스 빈센트캔버스 F형 P형(풍경) (116.7 x 80.3)_50호(면천)_미송정왁구 코믹샵'</li><li>'색 운용 한지 포장 공예 64 x 94cm 색 운용 한지_23 자주색 덕인색채'</li><li>'양면 골판지 공예 A4 10장 516g  구구문구'</li></ul>                                               |
+| 9.0   | <ul><li>'도자기물레 돌림판 도예 회전판 미니 공방 전동 250W 삼각형 LCD 페달 독점 에디션 리그나이트'</li><li>'나무 판 조각 공예 보드 원형 목재 반제품 그림 10개 지름 12-13cm 두께 1cm 10개입 오봉샵'</li><li>'실크스크린 프레임 / 망사 견장 / 15x20 프레임 목재_50x60_60목 견장된 프레임 2개 세트 지디큐 팩토리 (GDQ factory)'</li></ul>  |
+| 6.0   | <ul><li>'LED 그림판 드로잉 보드 A4 3 스케치 웹툰 연습 복사 카피 미술 화방 교보재 A3 사이즈(대형) 주식회사 모든지코퍼레이션'</li><li>'필름 라이트박스 반사 A4 A3 보드 스튜디오 A3+ 3단 디밍 USB 케이블  대형 사이즈 곤이형보물상자2'</li><li>'라이트박스 A2 자석부착식 전용아답타 Oasis4N 포함 C.C.A2삼색컬러명암조절USB포트 어트랙션 B2C'</li></ul> |
+| 1.0   | <ul><li>'화구함 미술도구 보관 미대생 물감 박스 정리함 붓 케이스 휴대용 그림통 05.스몰 그레이 A타입 3단 카미유상회'</li><li>'산돌 천 붓케이스 미니 소형 대형 BC- 1701 소형 (주)누보아트'</li><li>'마르지않는 붓 보관함 미술통 수채화 휴대용 서예 미술 단일 구멍 펜 홀더 (선물 상자) 달라브샵'</li></ul>                                      |
+| 3.0   | <ul><li>'박물관이인정한 문방사우 세필족제비 면상필 대 서예붓 민화붓 동양화붓 2. 채색필_2-5 겸호 채색필 소 율아트'</li><li>'쿠레타케 워터브러쉬 소 쿠레타케 워터브러쉬 (대) 주식회사 아트클라우드'</li><li>'루벤스 스텐실 8000 5호 (1개)  양상추수입창고'</li></ul>                                                              |
+| 7.0   | <ul><li>'원단 우드락 5T 60cm x 90cm 대량(박스단위) ★대용량 백색5T 60x90(1박스50개) 문화사'</li><li>'단열 압축 방음패드 폼보드 빨간색 스티로폼 하얀색 27 화이트 두께 5센티 가로50센티 가로50 플로랄퓨전'</li><li>'단열 압축 방음패드 폼보드 빨간색 스티로폼 하얀색 39 흰색 두께 9센티 가로50센티 가로50센 플로랄퓨전'</li></ul>               |
+| 10.0  | <ul><li>'리트다이 액체 (패브릭/면 /섬유) 리트다이 액체_액체 42번 Golden Yellow 모든종합상사'</li><li>'리트다이 액체 (패브릭/면 /섬유) 리트다이 액체_액체 17번 Violet 모든종합상사'</li><li>'리트다이 액체 (패브릭/면 /섬유) 리트다이 액체_액체 4번 Teal 모든종합상사'</li></ul>                                           |
+| 2.0   | <ul><li>'미술 화구통 소형  허니블루프렌즈'</li><li>'이젤 철제 대형 휴대용 일반형 [가벼운] 알루미늄 이젤-실버 다담다 주식회사'</li><li>'미젤로 다기능 물통 2L  주식회사 나라유통'</li></ul>                                                                                                           |
+| 5.0   | <ul><li>'오일파스텔 48색 전문가용 1P 오일파스텔전용  스윗딜'</li><li>'문교 오일파스텔 48색 MOP-48 세트1개 [5010676]단일상품 (주)장학문구사'</li><li>'문교 전문가용 소프트 오일파스텔 MOPV 오일파스텔 MOPV (주)대림유통서비스'</li></ul>                                                                      |
+
+## Evaluation
+
+### Metrics
+| Label   | Metric |
+|:--------|:-------|
+| **all** | 0.9702 |
+
+## Uses
+
+### Direct Use for Inference
+
+First install the SetFit library:
+
+```bash
+pip install setfit
+```
+
+Then you can load this model and run inference.
+
+```python
+from setfit import SetFitModel
+
+# Download from the 🤗 Hub
+model = SetFitModel.from_pretrained("mini1013/master_cate_lh27")
+# Run inference
+preds = model("다이론 뉴핸드염료 의류 옷 면소재 패브릭 섬유 염색 36.튤립레드 싹다몰")
+```
+
+<!--
+### Downstream Use
+
+*List how someone could finetune this model on their own dataset.*
+-->
+
+<!--
+### Out-of-Scope Use
+
+*List how the model may foreseeably be misused and address what users ought not to do with the model.*
+-->
+
+<!--
+## Bias, Risks and Limitations
+
+*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
+-->
+
+<!--
+### Recommendations
+
+*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   | 3   | 10.5   | 23  |
+
+| Label | Training Sample Count |
+|:------|:----------------------|
+| 0.0   | 50                    |
+| 1.0   | 50                    |
+| 2.0   | 50                    |
+| 3.0   | 50                    |
+| 4.0   | 50                    |
+| 5.0   | 50                    |
+| 6.0   | 50                    |
+| 7.0   | 50                    |
+| 8.0   | 50                    |
+| 9.0   | 50                    |
+| 10.0  | 50                    |
+
+### Training Hyperparameters
+- batch_size: (512, 512)
+- num_epochs: (20, 20)
+- max_steps: -1
+- sampling_strategy: oversampling
+- num_iterations: 40
+- body_learning_rate: (2e-05, 2e-05)
+- head_learning_rate: 2e-05
+- loss: CosineSimilarityLoss
+- distance_metric: cosine_distance
+- margin: 0.25
+- end_to_end: False
+- use_amp: False
+- warmup_proportion: 0.1
+- seed: 42
+- eval_max_steps: -1
+- load_best_model_at_end: False
+
+### Training Results
+| Epoch   | Step | Training Loss | Validation Loss |
+|:-------:|:----:|:-------------:|:---------------:|
+| 0.0116  | 1    | 0.4265        | -               |
+| 0.5814  | 50   | 0.2849        | -               |
+| 1.1628  | 100  | 0.1489        | -               |
+| 1.7442  | 150  | 0.0544        | -               |
+| 2.3256  | 200  | 0.0363        | -               |
+| 2.9070  | 250  | 0.0257        | -               |
+| 3.4884  | 300  | 0.0122        | -               |
+| 4.0698  | 350  | 0.0138        | -               |
+| 4.6512  | 400  | 0.0088        | -               |
+| 5.2326  | 450  | 0.0043        | -               |
+| 5.8140  | 500  | 0.0004        | -               |
+| 6.3953  | 550  | 0.0003        | -               |
+| 6.9767  | 600  | 0.0001        | -               |
+| 7.5581  | 650  | 0.0001        | -               |
+| 8.1395  | 700  | 0.0001        | -               |
+| 8.7209  | 750  | 0.0001        | -               |
+| 9.3023  | 800  | 0.0001        | -               |
+| 9.8837  | 850  | 0.0001        | -               |
+| 10.4651 | 900  | 0.0001        | -               |
+| 11.0465 | 950  | 0.0001        | -               |
+| 11.6279 | 1000 | 0.0001        | -               |
+| 12.2093 | 1050 | 0.0001        | -               |
+| 12.7907 | 1100 | 0.0001        | -               |
+| 13.3721 | 1150 | 0.0           | -               |
+| 13.9535 | 1200 | 0.0           | -               |
+| 14.5349 | 1250 | 0.0           | -               |
+| 15.1163 | 1300 | 0.0001        | -               |
+| 15.6977 | 1350 | 0.0           | -               |
+| 16.2791 | 1400 | 0.0           | -               |
+| 16.8605 | 1450 | 0.0           | -               |
+| 17.4419 | 1500 | 0.0           | -               |
+| 18.0233 | 1550 | 0.0           | -               |
+| 18.6047 | 1600 | 0.0           | -               |
+| 19.1860 | 1650 | 0.0           | -               |
+| 19.7674 | 1700 | 0.0001        | -               |
+
+### Framework Versions
+- Python: 3.10.12
+- SetFit: 1.1.0.dev0
+- Sentence Transformers: 3.1.1
+- Transformers: 4.46.1
+- PyTorch: 2.4.0+cu121
+- Datasets: 2.20.0
+- Tokenizers: 0.20.0
+
+## Citation
+
+### BibTeX
+```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}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

config.json

@@ -0,0 +1,29 @@
+{
+  "_name_or_path": "mini1013/master_item_lh",
+  "architectures": [
+    "RobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "gradient_checkpointing": false,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tokenizer_class": "BertTokenizer",
+  "torch_dtype": "float32",
+  "transformers_version": "4.46.1",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 32000
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.1.1",
+    "transformers": "4.46.1",
+    "pytorch": "2.4.0+cu121"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

config_setfit.json

@@ -0,0 +1,4 @@
+{
+  "normalize_embeddings": false,
+  "labels": null
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:9817ab75f50abec5c93c5e2b4af09ba40b4c2ba0cfa32a243730c5b0b3943260
+size 442494816

model_head.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:1a2a50fe500b2f8ba740f320b2cf46800e2260dad972bfbd038c59fff63b92ad
+size 68575

modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 512,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,51 @@
+{
+  "bos_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "cls_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eos_token": {
+    "content": "[SEP]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "[MASK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "[PAD]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "[SEP]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "[UNK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer_config.json

@@ -0,0 +1,66 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "[CLS]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "[PAD]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "[SEP]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "[UNK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "4": {
+      "content": "[MASK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "[CLS]",
+  "clean_up_tokenization_spaces": false,
+  "cls_token": "[CLS]",
+  "do_basic_tokenize": true,
+  "do_lower_case": false,
+  "eos_token": "[SEP]",
+  "mask_token": "[MASK]",
+  "max_length": 512,
+  "model_max_length": 512,
+  "never_split": null,
+  "pad_to_multiple_of": null,
+  "pad_token": "[PAD]",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "[SEP]",
+  "stride": 0,
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "[UNK]"
+}