Usando o SetFit com o Hugging Face

SetFit é um framework eficiente e sem prompts para ajuste fino com poucos exemplos de Sentence Transformers. Ele atinge alta precisão com poucos dados rotulados - por exemplo, com apenas 8 exemplos rotulados por classe no conjunto de dados de sentimento Customer Reviews, o SetFit é competitivo em relação ao ajuste fino do RoBERTa Large no conjunto de treinamento completo de 3k exemplos 🤯!

Em comparação com outros métodos de aprendizado few-shot, o SetFit possui várias características únicas:

• 🗣 Sem prompts ou verbalizadores: As técnicas atuais para ajuste fino com poucos exemplos exigem prompts ou verbalizadores criados manualmente para converter os exemplos em um formato adequado para o modelo de linguagem subjacente. O SetFit dispensa prompts por completo, gerando incorporações ricas diretamente a partir dos exemplos de texto.
• 🏎 Rápido de treinar: O SetFit não requer modelos de grande escala, como T0 ou GPT-3, para alcançar alta precisão. Como resultado, o treinamento e a execução de inferência costumam ser uma ordem de grandeza (ou mais) mais rápidos.
• 🌎 Suporte multilíngue: o SetFit pode ser usado com qualquer Sentence Transformer no Hub, o que significa que você pode classificar texto em vários idiomas simplesmente ajustando um checkpoint multilíngue.

Explorando o SetFit no Hub

Você pode encontrar modelos SetFit filtrando à esquerda na página de modelos.

Todos os modelos no Hub vêm com esses recursos úteis:

1. Um cartão de modelo gerado automaticamente com uma breve descrição.
2. Um widget interativo que você pode usar para interagir com o modelo diretamente no navegador.
3. Um widget de Inference Providers que permite fazer solicitações de inferência.

Instalação

Para começar, você pode seguir o guia de instalação do SetFit. Você também pode usar a seguinte instalação em uma linha através do pip:

pip install -U setfit

Usando modelos existentes

Todos os modelos setfit podem ser carregados facilmente do Hub.

from setfit import SetFitModel

model = SetFitModel.from_pretrained("tomaarsen/setfit-paraphrase-mpnet-base-v2-sst2-8-shot")

Uma vez carregado, você pode usar SetFitModel.predict para realizar inferência.

model.predict("Amelia Earhart flew her single engine Lockheed Vega 5B across the Atlantic to Paris.")

['positive', 'negative']

Se você deseja carregar um modelo SetFit específico, pode clicar em Use in SetFit e receber um trecho de código funcional!

Recursos adicionais

• Todos os modelos SetFit disponíveis no Hub
• Repositório do SetFit repository
• SetFit docs
• Artigo do SetFit paper