Hugging Face's logo

mini1013
/
master_cate_sl20

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community

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
0.0
  • '마레스 스마트 다이브 컴퓨터 스포츠/레저>스킨스쿠버>게이지'
  • '2pcs 스쿠버 다이빙 고압 HP 스위블 스풀 WO SPG용 게이지 스포츠/레저>스킨스쿠버>게이지'
  • '순토 SUUNTO PM-5 클리노미터 레귤러 pm-5 360 SS011096010 스포츠/레저>스킨스쿠버>게이지'
3.0
  • '메이트로닉스용 클라이밍 링 돌고래 M200 M400 M500 수영장 로봇 휠 커버 클라이밍 링 교체 4 개 6101611-R4 스포츠/레저>스킨스쿠버>기타스킨스쿠버용품'
  • '스테인리스강 수중 프로브 내구성 딩 스틱 다이빙 포인터 액세서리 스포츠/레저>스킨스쿠버>기타스킨스쿠버용품'
  • 'DOUBLE K 더블케이 더블케이 재규어R 오로라 BK- 다이빙마스크 스포츠/레저>스킨스쿠버>기타스킨스쿠버용품'
7.0
  • '스쿠버프로 스쿠바프로 레귤레이터호흡기 MK11 C370 스포츠/레저>스킨스쿠버>레귤레이터'
  • 'DIDEEP 스쿠버 다이빙 산소탱크 미니 산소통 호흡기 입문자 스노클링 탱크 스포츠/레저>스킨스쿠버>레귤레이터'
  • '스쿠버프로 스쿠바프로 레귤레이터 호흡기 EVO S620 X-TI MK25T 스포츠/레저>스킨스쿠버>레귤레이터'
5.0
  • '다이빙헤어밴드 스쿠버 후드 잠수 프리다이빙 머리띠 스포츠/레저>스킨스쿠버>다이빙슈트'
  • '여성 잠수복 원피스 스노쿨링 서핑 다이빙 슈트 D 스포츠/레저>스킨스쿠버>다이빙슈트'
  • 'K2 플라이슈트 FLYSUIT THERMO W ECO KWU23164Z1680253 스포츠/레저>스킨스쿠버>다이빙슈트'
10.0
  • 'Intbost 스노클링 수영 스쿠버 다이빙 양말 네오프렌 비치 사커 배구용 잠수복 양말 스포츠/레저>스킨스쿠버>부츠'
  • '다이빙신발 부츠 다이빙슈즈 아쿠아슈즈 신발 스쿠버-E 블랙사이즈 40 남성용 스포츠/레저>스킨스쿠버>부츠'
  • '더블케이 양면 발목삭스 프리다이빙 스노쿨링 스쿠버 스포츠/레저>스킨스쿠버>부츠'
1.0
  • '리프투어러 스노클링 마린 장갑 BK RA-0202 스포츠/레저>스킨스쿠버>글러브'
  • '이온 ION 아이비 앞집 여성 보호 조끼 Fins 장갑 Socks and boots 수트 Changing robes 서핑 수건 가드 L Capsule 스포츠/레저>스킨스쿠버>글러브'
  • '스쿠버장갑 그립 글러브 강력하고 유연한 구조 미끄럼방지코팅 가볍고편안함 바다 스포츠/레저>스킨스쿠버>글러브'
11.0
  • '다이버용 배터리 1066A 스포츠/레저>스킨스쿠버>수중전등'
  • 'Wurkkos DL06 다이빙라이트 스킨스쿠버 손전등 15 000루멘 스포츠/레저>스킨스쿠버>수중전등'
  • '고화질 수중카메라 피싱캠 낚시용 휴대용 야간 수중캠 스포츠/레저>스킨스쿠버>수중전등'
6.0
  • '스킨스쿠버 수중 해루질 나이프 정글 다이빙05 MO3004 스포츠/레저>스킨스쿠버>다이빙칼'
  • '펜싱 장비 가변운 훈련 플라스틱 칼 꽃 경험 안전 히트 스포츠/레저>스킨스쿠버>다이빙칼'
  • '수중 스쿠버 해루질 캠핑 울브스 다이버스03 그린 IGWC0741B 스포츠/레저>스킨스쿠버>다이빙칼'
8.0
  • '골프버디 리트렉터 기기미포함 스포츠/레저>스킨스쿠버>리트렉터'
  • '인터오션 스킨스쿠버 악세사리 리트렉터 고리형 카메라 고프로 게이지 장비걸이 슈퍼포스 미니 리트렉터2 스포츠/레저>스킨스쿠버>리트렉터'
  • '이노베이티브 리트렉터 락 스포츠/레저>스킨스쿠버>리트렉터'
12.0
  • '수중작살 낚시 삼지창 샤크건 바다 해루질 물고기 스포츠/레저>스킨스쿠버>수중총/작살'
  • '해루질 스텐봉2p 조과통 작살뜰채 해루질뜰채 8인치 이동식 품 해루질용 해루질수경 스포츠/레저>스킨스쿠버>수중총/작살'
  • '해루질 스틸 스테인레스 물고기 작살촉 포크 장비 스포츠/레저>스킨스쿠버>수중총/작살'
2.0
  • '프리 다이빙 백팩 롱핀 핀 가방 팩 스쿠버 장비 30L MK031900330LW1 스포츠/레저>스킨스쿠버>기어백'
  • '스쿠버다이빙가방 롱핀 하드케이스 프리다이빙 핀백 -길이 너비 스포츠/레저>스킨스쿠버>기어백'
  • '프리다이빙 롱핀가방 하드케이스 스쿠버 장비박스 백팩 스포츠/레저>스킨스쿠버>기어백'
13.0
  • '마레스 마니체타 롱 호스 210cm 3/8인치 - MARES 스쿠버 다이빙 스포츠/레저 > 스킨스쿠버 > 호스'
  • '마레스 롱 호스 2M 주호스용 MARES 스쿠버 다이빙 스포츠/레저 > 스킨스쿠버 > 호스'
  • '스킨스쿠버 호스 헬멧 다이빙 MZ00 3 in 스포츠/레저 > 스킨스쿠버 > 호스'
9.0
  • 'Cressi Starter Pro 패키지 스포츠/레저>스킨스쿠버>부력재킷'
  • 'Deep See by Aqua Lung 컴팩트 리트랙터 키트 BCD용 스포츠/레저>스킨스쿠버>부력재킷'
  • '마레스 부력조절기 Mares SCUBA Magellan BCD Size 스포츠/레저>스킨스쿠버>부력재킷'
4.0
  • '원브레스 코팅납 2kg 스포츠/레저>스킨스쿠버>납'
  • '랍스터 해비 넥 웨이트 500g 스포츠/레저>스킨스쿠버>납'
  • "MOBBY'S 발목웨이트 ACG-9000 500gx2개 스포츠/레저>스킨스쿠버>납"

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_sl20")
# Run inference
preds = model("브로브 수영랜턴 고급형 스노쿨링 잠수후레쉬 CREE 스포츠/레저>스킨스쿠버>수중전등")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 2 9.2506 24
Label Training Sample Count
0.0 69
1.0 70
2.0 70
3.0 70
4.0 9
5.0 70
6.0 70
7.0 70
8.0 70
9.0 70
10.0 70
11.0 70
12.0 70
13.0 10

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
0.0060 1 0.5025 -
0.2976 50 0.4963 -
0.5952 100 0.3183 -
0.8929 150 0.0275 -
1.1905 200 0.0142 -
1.4881 250 0.0142 -
1.7857 300 0.0132 -
2.0833 350 0.0144 -
2.3810 400 0.0097 -
2.6786 450 0.001 -
2.9762 500 0.0002 -
3.2738 550 0.0 -
3.5714 600 0.0 -
3.8690 650 0.0 -
4.1667 700 0.0 -
4.4643 750 0.0 -
4.7619 800 0.0001 -
5.0595 850 0.0 -
5.3571 900 0.0 -
5.6548 950 0.0 -
5.9524 1000 0.0 -
6.25 1050 0.0 -
6.5476 1100 0.0 -
6.8452 1150 0.0 -
7.1429 1200 0.0 -
7.4405 1250 0.0 -
7.7381 1300 0.0 -
8.0357 1350 0.0 -
8.3333 1400 0.0 -
8.6310 1450 0.0 -
8.9286 1500 0.0 -
9.2262 1550 0.0 -
9.5238 1600 0.0 -
9.8214 1650 0.0 -
10.1190 1700 0.0 -
10.4167 1750 0.0 -
10.7143 1800 0.0 -
11.0119 1850 0.0 -
11.3095 1900 0.0 -
11.6071 1950 0.0 -
11.9048 2000 0.0 -
12.2024 2050 0.0 -
12.5 2100 0.0 -
12.7976 2150 0.0006 -
13.0952 2200 0.0001 -
13.3929 2250 0.0 -
13.6905 2300 0.0 -
13.9881 2350 0.0 -
14.2857 2400 0.0 -
14.5833 2450 0.0 -
14.8810 2500 0.0 -
15.1786 2550 0.0 -
15.4762 2600 0.0 -
15.7738 2650 0.0 -
16.0714 2700 0.0 -
16.3690 2750 0.0 -
16.6667 2800 0.0 -
16.9643 2850 0.0 -
17.2619 2900 0.0 -
17.5595 2950 0.0 -
17.8571 3000 0.0 -
18.1548 3050 0.0 -
18.4524 3100 0.0 -
18.75 3150 0.0 -
19.0476 3200 0.0 -
19.3452 3250 0.0 -
19.6429 3300 0.0 -
19.9405 3350 0.0 -
20.2381 3400 0.0 -
20.5357 3450 0.0 -
20.8333 3500 0.0 -
21.1310 3550 0.0 -
21.4286 3600 0.0 -
21.7262 3650 0.0 -
22.0238 3700 0.0 -
22.3214 3750 0.0 -
22.6190 3800 0.0 -
22.9167 3850 0.0 -
23.2143 3900 0.0 -
23.5119 3950 0.0002 -
23.8095 4000 0.0 -
24.1071 4050 0.0 -
24.4048 4100 0.0 -
24.7024 4150 0.0 -
25.0 4200 0.0 -
25.2976 4250 0.0 -
25.5952 4300 0.0 -
25.8929 4350 0.0 -
26.1905 4400 0.0 -
26.4881 4450 0.0 -
26.7857 4500 0.0 -
27.0833 4550 0.0 -
27.3810 4600 0.0 -
27.6786 4650 0.0 -
27.9762 4700 0.0 -
28.2738 4750 0.0 -
28.5714 4800 0.0 -
28.8690 4850 0.0 -
29.1667 4900 0.0 -
29.4643 4950 0.0 -
29.7619 5000 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}
}
Downloads last month
47
Safetensors
Model size
111M params
Tensor type
F32
·
Inference Providers NEW
Text Classification
This model is not currently available via any of the supported Inference Providers.

Model tree for mini1013/master_cate_sl20

Base model

klue/roberta-base
Finetuned
mini1013/master_domain
Finetuned
(213)
this model

Evaluation results

View on Papers With Code