Hugging Face's logo

mini1013
/
master_cate_el8

Text Classification
setfit
Safetensors
sentence-transformers
roberta
generated_from_setfit_trainer
Eval Results
Model card Files Community
master_cate_el8 / README.md
mini1013's picture
mini1013
Push model using huggingface_hub.
d822edb verified
preview code
|
raw
history blame contribute delete
11.3 kB
metadata
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: >-
      HDTOP USB3.0 to HDMI 4K 영상 캡처보드15cm/HT-3C009/입력 4K 60Hz/녹화 1080P 60Hz/딜레이
      없는 실시간 녹화/알루미늄 하우징/금도금 커넥터  디피시스템
  - text: 넥시 CAP02 USB HDMI 캡쳐보드 젠더타입  주식회사 디앤에스티
  - text: 블랙매직 DeckLink 8K Pro 덱링크 8k pro  디지탈A/V세상
  - text: 브리츠 BZ-SP600X 화이트 커브드 게이밍 사운드바  (주)에이치앤인터내셔널
  - text: AVerMedia Live Gamer 4K 2.1 GC575  초이스컴퓨터 주식회사
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: 0.8028770510227017
            name: Metric

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
3
  • 'Britz 브리츠인터내셔널 BA-UMK120 다크실버 주식회사 꿈누리'
  • 'Britz Accessories BA-R9 SoundBar 스피커 [화이트] (주)조이젠'
  • '크리에이티브 PEBBLE V2 (주)아이티블루'
2
  • 'GN-2000S 구즈넥 마이크 콘덴서 (회의, 강연, 설교, 스피치, 교회, 법원, 방송) 사운드스토리'
  • '컴스 MT195 회의실용 콘덴서 마이크 아이코다(주)'
  • '고독스 EM68 RGB 카디오이드 USB 콘덴서 마이크 스탠드 / 납품 세금계산서 가능 주식회사 모즈인터내셔날'
8
  • '레이저코리아 Razer Kiyo X 키요 X 웹캠 YT 주식회사 옐로우트리'
  • '앱코 APC930 QHD 웹캠 (블랙) 주식회사 동행하기'
  • '[병행,벌크]로지텍 C922 Pro Stream 웹캠 더블유에이취제이(WHJ)'
5
  • '포커스라이트 스칼렛2i2 3세대 FocusriScarlett 2i2 3rd Gen 와이지스토어(주) (YG store Co., Ltd)'
  • 'Focusrite 포커스라이트 Scarlett 18i8 3세대 오디오 인터페이스 씨엠뮤직(CM music)'
  • '크리에이티브 Creative 사운드 블라스터 X5 (주)아토닉스'
4
  • 'CORSAIR VOID RGB ELITE WIRELESS (화이트, 정품) 주식회사 꿈누리'
  • 'TFG CH240 컬러풀 7.1Ch 게이밍헤드셋 (초경량 / 노이즈캔슬링 / 로스트아크) 블랙 (주)한성'
  • '로지텍 PRO X 2 LIGHTSPEED (핑크) 주식회사 조이쿨'
7
  • 'HD60X 주식회사 글렌트리'
  • '블랙매직 Blackmagic Design ATEM Mini Pro 아템미니프로 어썸팩토리(awesome factory)'
  • 'AVerMedia ER330 EzRecorder PVR(독립형 녹화장치) (주)스트림텍'
0
  • '이지넷유비쿼터스 NEXT-4516HDP 16채널 비디오 발룬 수신기 에이치엠에스'
  • '하이크비젼 DS-7604NI-K1/4P 4채널 IP POE NVR CCTV테크'
  • '[HIKVISION 공식 수입원] 하이크비전 DS-7608NI-I2/8P UHD 4K IP카메라 네트워크 녹화기 (주)씨넥스존'
6
  • '스카이디지탈 DT-800 HDTV 안테나 (주)컴퓨존'
  • '(스카이디지탈) DT-800 HDTV 안테나 /안테나 엠지솔루션'
  • '무료 스카이디지탈 SKY DT-800 HDTV 지상파 안테나 주식회사에프엘인텍'
1
  • '서진네트웍스 유니콘 AV-M9 UHD4K 안드로이드 셋탑박스 디빅스미디어플레이어 광고용디스플레이 (주)컴퓨존'
  • '유니콘 AV-M7 2세대 디빅스플레이어 UHD 4K지원 미디어플레이어 더원'
  • '서진네트웍스 UNICORN AV-M9 정품 멀티미디어 플레이어/영샵 영 샵'
9
  • '옴니트로닉 MSP-Q1 2채널 휴대용 마이크스피커 핸드+핸드마이크 에이스전자'
  • '[공식] 에버미디어 AS311 Speakerphon 휴대용 스피커폰 AI 소음감지 USB전원 주식회사 이선디지탈'
  • '브리츠 BE-MC100 야외설치 아웃도어 방수 스피커 (주)담다몰'

Evaluation

Metrics

Label Metric
all 0.8029

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_el8")
# Run inference
preds = model("넥시 CAP02 USB HDMI 캡쳐보드 젠더타입  주식회사 디앤에스티")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 3 9.3503 26
Label Training Sample Count
0 49
1 25
2 50
3 50
4 50
5 50
6 15
7 50
8 50
9 5

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
0.0161 1 0.496 -
0.8065 50 0.2401 -
1.6129 100 0.0385 -
2.4194 150 0.025 -
3.2258 200 0.0181 -
4.0323 250 0.0004 -
4.8387 300 0.0002 -
5.6452 350 0.0001 -
6.4516 400 0.0002 -
7.2581 450 0.0001 -
8.0645 500 0.0001 -
8.8710 550 0.0001 -
9.6774 600 0.0001 -
10.4839 650 0.0001 -
11.2903 700 0.0001 -
12.0968 750 0.0 -
12.9032 800 0.0 -
13.7097 850 0.0 -
14.5161 900 0.0 -
15.3226 950 0.0 -
16.1290 1000 0.0 -
16.9355 1050 0.0 -
17.7419 1100 0.0 -
18.5484 1150 0.0 -
19.3548 1200 0.0 -

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 

@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}
}