File size: 8,395 Bytes
aeb2673
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
---
library_name: setfit
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
metrics:
- accuracy
widget:
- text: ' oui le problème est plus psychologique, je suis d''accord avec vous, et
    je pense que si l''état mettait en place des suivis psychologiques vraiment poussés,
    il n''y aurait pas d''opération, moi j''ai eu un bypass, j''ai repris une quinzaine
    de kilos bien malheureusement, et l''aide pour l''addiction n''est pas prise en
    charge, genre thérapie, et moi je sais que c''est cela mon problème, quand on
    n''a pas une bonne image de soi même, c''est très difficile de gagner la partie'
- text: Ouaw je me suis totalement reconnue, c’est exactement ce que je vis après
    être sortie d’une sorte d’orthorexie qui a duré plus d’un an et demi (limite anorexie
    mentale), pleine de frustrations j’ai donc repris une dizaine de kilos et ma vie
    est rythmée de privation et d’hyperphagie.. j’essaye de ne pas trop me priver
    mais j’ai l’impression d’être constamment frustrée.. merci pour ta vidéo ❤️
- text: Mdr mais faut pas être médecin pour savoir comment fonctionne le corps humain
    tu donne meme pas d'argument. Tu dis que c'est une maladie bah parle en dis moi
    pourquoi comment ??? Parce que la j'entends que des tu dis de la merde t médecin
    nanani nanana. Toi en tout cas tu dois pas être Einstein. Moi j'ai donné tout
    les argument qui faut en plus ils sont prouvé. Tu mange tu grossit tu mange pas
    tu minci. Tu fais pas de sport tu maigrit pas tu fais du sport tu maigris bref
    sa sert a rien de parler si ta meme pas la repartie de donner des argument à ce
    que tu dis.
- text: pour moi ce qui a fonctioner pour me libere de cette obsession, c'est mon
    esprit critique. j'ai bien observee comment on se fout de moi pour que je consome
    toujours plus de poison. apres j'ai bien vu comment on se fout de la soufrance
    des animaux. et comment on nous eloigne de la nature et du naturel et saludable.
    c'est un tres long processus d'observation sincere qui m'a aider a me liberer
    peut a peut. aujourd'huit je suis vegan, je pratique la relaxation et la respiration
    avec ou sans hypnose. il y a encore des moments ou je suis hanter par l'idee de
    la bouffe, je ralentie, je respire lentement et profondement, je regarde le ciel,
    les arbres, les chats, et je me demande comment l'etre humain arrive a etre tellement
    miserable...
- text: Comme je te comprend 🙏 mes tca ont commencé alors que j'avais 11 ans. J'espère
    que tu vas mieux maintenant
pipeline_tag: text-classification
inference: false
base_model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
model-index:
- name: SetFit with sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
  results:
  - task:
      type: text-classification
      name: Text Classification
    dataset:
      name: Unknown
      type: unknown
      split: test
    metrics:
    - type: accuracy
      value: 0.6115702479338843
      name: Accuracy
---

# SetFit with sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2) as the Sentence Transformer embedding model. A OneVsRestClassifier 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:** [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2)
- **Classification head:** a OneVsRestClassifier instance
- **Maximum Sequence Length:** 128 tokens
<!-- - **Number of Classes:** Unknown -->
<!-- - **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)

## Evaluation

### Metrics
| Label   | Accuracy |
|:--------|:---------|
| **all** | 0.6116   |

## 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("Ghofranem/setfit-paraphrase-multilingual-MiniLM-L12-v2-ed-balanced-fr-AI4ED")
# Run inference
preds = model("Comme je te comprend 🙏 mes tca ont commencé alors que j'avais 11 ans. J'espère que tu vas mieux maintenant")
```

<!--
### 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   | 4   | 95.7314 | 694 |

### Training Hyperparameters
- batch_size: (16, 16)
- num_epochs: (1, 1)
- max_steps: -1
- sampling_strategy: oversampling
- num_iterations: 10
- 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 |
|:------:|:----:|:-------------:|:---------------:|
| 0.0017 | 1    | 0.2843        | -               |
| 0.0826 | 50   | 0.2442        | -               |
| 0.1653 | 100  | 0.2095        | -               |
| 0.2479 | 150  | 0.193         | -               |
| 0.3306 | 200  | 0.0896        | -               |
| 0.4132 | 250  | 0.1439        | -               |
| 0.4959 | 300  | 0.1234        | -               |
| 0.5785 | 350  | 0.1074        | -               |
| 0.6612 | 400  | 0.1135        | -               |
| 0.7438 | 450  | 0.0982        | -               |
| 0.8264 | 500  | 0.0392        | -               |
| 0.9091 | 550  | 0.02          | -               |
| 0.9917 | 600  | 0.043         | -               |

### Framework Versions
- Python: 3.10.12
- SetFit: 1.0.3
- Sentence Transformers: 2.5.1
- Transformers: 4.38.2
- PyTorch: 2.2.1+cu121
- Datasets: 2.18.0
- Tokenizers: 0.15.2

## 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.*
-->