Add SetFit model

.gitattributes

@@ -33,3 +33,5 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+tokenizer.json filter=lfs diff=lfs merge=lfs -text
+unigram.json filter=lfs diff=lfs merge=lfs -text

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 384,
+  "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 +1,225 @@
+---
+library_name: setfit
+tags:
+- setfit
+- sentence-transformers
+- text-classification
+- generated_from_setfit_trainer
+base_model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
+metrics:
+- accuracy
+widget:
+- text: ' No, porque… no, depende de la causa siempre. Los abogados suelen ser buenos
+    cuando se trata de defender una causa justa, lo que hablábamos, por ejemplo, de
+    juzgar a Pinochet; pero si se trata de defender a un posible defraudador, por
+    muy bueno que sea el abogado… '
+- text: ' Sí, sí, sí, pero es muy importante, o sea, que no se queden con la idea
+    de que nosotros estamos en contra de los agricultores de Chihuahua porque hicieron
+    el movimiento para que se entregara el agua a Estados Unidos y que por eso ya
+    los tenemos castigados, no, no, ahí lo que pasó es que nosotros tenemos que cumplir
+    porque es un convenio internacional y no nos convenía al país dar motivo para
+    una represalia, porque nos iba a afectar mucho.  Entonces, teníamos una razón
+    y ellos lo vieron de otra manera, y también se metieron politiqueros, que nunca
+    faltan.  '
+- text: ' Ah, cómo no, si aquí no es obedecer y callar, no, así eran los vasallos. 
+    No, no, no, aquí son las libertades. Nada más que es muy desagradable. Entonces,
+    mejor, ya Isabel se manifestó, se expresó, merece respeto y la instancia legal
+    correspondiente y hacia adelante, y procuremos, eso sí, no pierdo nada con llamar
+    a la concordia, al respeto. Podemos tener diferencias, claro que las tenemos,
+    ya lo hemos dicho muchas veces, no puede haber pensamiento único, esto tiene que
+    ver con las dictaduras. La democracia es pluralidad, es diversidad, bueno, todo
+    eso; o sea, sólo con respecto y sin violencia. '
+- text: ' Con toda libertad. ¿Tú qué opinas? Con toda libertad, o sea, aquí prohibido
+    prohibir. '
+- text: ' Es que hay muchas denuncias y hay que demostrar que tengan sustento, no
+    se trata de denunciar por denunciar. Y yo apoyo a Ana Guevara, la considero una
+    buena servidora pública, promotora del deporte. Y eso es lo que puedo comentarle,
+    aunque respeto a los críticos y a quienes no opinan lo mismo. '
+pipeline_tag: text-classification
+inference: true
+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: 0.5927835051546392
+      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 [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:** [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2)
+- **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance
+- **Maximum Sequence Length:** 128 tokens
+- **Number of Classes:** 3 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                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                          |
+|:------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+| 1     | <ul><li>' Sí, estamos trabajando de manera coordinada con estados y con municipios, nos están ayudando mucho los estados, los municipios, y nosotros también estamos apoyando a estados y a municipios en materia de seguridad, es nuestro deber. Y en el caso de Sonora hay muy buena relación con la gobernadora Claudia Pavlovich, y en la visita llegamos a acuerdos en materia de seguridad. Y Alfonso está ayudándonos con eso, y nos está ayudando también la Secretaría de Marina y la Secretaría de la Defensa. Estamos trabajando de manera coordinada ahí en el sur de Sonora y en todo el estado estamos trabajando en forma coordinada, reforzando a los gobiernos municipales con mandos para las policías municipales, eso es lo que se está haciendo, básicamente. '</li><li>' Ustedes dos, dos compañeras, tercera, cuarta, hasta ahí, cuatro. '</li><li>' Muy buenos días. Vamos el día de hoy a utilizar este tiempo, este espacio de la conferencia para llevar a cabo un acto relacionado con la Cepal, que tiene que ver con la política de desarrollo social que se aplica en nuestro país y en otros países de América Latina, del Caribe. Y nos da mucho gusto tener a personalidades que van a ser presentadas ahora, tener representantes de estos organismos, sobre todo de Cepal. Pedirles que luego de terminada la conferencia, la ceremonia, este acto, podamos con los medios de información llevar a cabo la segunda parte, la sesión de preguntas y respuestas, teniendo de invitados a personajes tan importantes, mujeres y hombres de esta organización, para que también sean testigos de cómo se garantiza en nuestro país, en México, el derecho a la información. Entonces, comenzamos. Yo tomo mi lugar. MODERADOR: Tiene la palabra la doctora Alicia Bárcena, secretaria ejecutiva de la Comisión Económica para América Latina y el Caribe de la Organización de las Naciones Unidas. '</li></ul>                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   |
+| 2     | <ul><li>' Sí. Yo no comparto ese punto de vista, lo respeto desde luego.\xa0 Yo creo que fue una provocación y que es una causa justa el defender la igualdad de mujeres con hombres, la igualdad y el derecho a la vida, y el que no se permita la violencia; pero no se puede, no se debe enfrentar la violencia con la violencia. Y fue un acto de provocación abierto, descarado, no era una manifestación en el centro del Zócalo con un templete donde hablan las mujeres pidiendo respeto, que se castigue el machismo, que no se permitan los crímenes a las mujeres, no, no, no. Era martillo, martillo y marro, y gasolina y fuego, eso es lo que predominó, no solo aquí, en toda la marcha, en todo el paso. El Monumento a la Revolución destruido, centros comerciales destruidos, y aquí. Entonces, no fue una agresión de parte de la autoridad hacia quienes protestaron, yo creo que fue una provocación abierta. Incluso, lo de los gases eran los extinguidores para apagar el fuego. '</li><li>' Todo nuestro respeto. Incluso estos excesos. A ver, ¿cuántos están detenidos?, ¿cuántas están en la cárcel a pesar de eso? No somos iguales, esa es nuestra principal defensa ante el autoritarismo, ese es nuestro escudo, no somos iguales. Entonces, eso es lo que también les molesta mucho, porque lo que buscan es que actuemos de manera autoritaria. No, aquí es al revés. A ver, por ejemplo, los hombres. Yo recuerdo que cuando estábamos nosotros en nuestra lucha, antes, mucho antes de ser opositores, cuando estábamos estudiando, como jóvenes, decíamos: ‘El que no brinque es charro’, y ayer escuchaba: ‘El que no brinque es macho’. Pero ¿qué hacían los hombres ahí, si era de las mujeres la manifestación?, pero no viendo, no observando, sino pateando y tirando piedras y a ver ¿este organismo dijo algo de esto? No. Es como los intelectuales y actores, que carta abierta ¿no? A ver, yo quisiera que se manifestaran sobre esto, si consideran que esto es adecuado. Claro, ser abajofirmante no significa estar aquí en Zócalo, es muy cómodo, como son famosos y fifís… '</li><li>' Llevamos años defendiendo a las mujeres, años, más que muchos, muchísimo tiempo en defensa de las mujeres, luchando por la igualdad, y hay constancia de eso y lo hacemos todos los días, tan es así que yo voy a los estados y estoy hablando con hombres y con mujeres, y no hay esta actitud. Últimamente los de Frenaaa, que es así -guardadas las proporciones- un movimiento sectario, los de Frenaa, pero tampoco tuvieron éxito. '</li></ul> |
+| 0     | <ul><li>' Buenos días. Ánimo. Vamos a continuar con la sesión de ayer acerca de los tiempos, se acordó eso. Vamos a poner la línea del tiempo y si hay alguna pregunta, la respondemos. Y también vamos a dar a conocer a todos que se va a realizar una nueva subasta en Los Pinos del Instituto para Devolver al Pueblo lo Robado, con el propósito de que lo que se recaude se va a destinar a bandas musicales de Oaxaca, sobre todo para la compra de instrumentos, bandas de niñas y de niños; se van a comprar instrumentos para fortalecer actividades artísticas, culturales en Oaxaca. Si les parece, empezamos con eso. Ricardo Rodríguez Vargas, que es el director del Instituto para Devolver al Pueblo lo Robado nos va a exponer; y luego ya entramos a lo de la línea del tiempo, y las preguntas y respuestas. '</li><li>' Pero yo recuerdo que -por eso es importante tratar los temas así, en lo cotidiano-, yo recuerdo que ayer cuando le pedí al general que diera a conocer el nombre del encargado del operativo, le dije que no así del que estaba en acción, nada más que no se escuchó bien a lo mejor, porque dijimos: El que está ahí por razones de seguridad no se puede dar su nombre, se le tiene que proteger, pero quién es el encargado del grupo de llevar a cabo estas acciones, o sea, quién es el coordinador, eso fue lo que se dijo. Nada más también recordando eso, porque pueden… a lo mejor tienen hasta la grabación, lo de ayer; o sea, por el matiz, porque a lo mejor -no estuve pendiente ayer de los medios- pero a lo mejor se estaba pensando en el que participó en la acción, ¿o no era así? '</li><li>' Sí, dije el coordinador nacional, pero ¿cómo se manejó lo de la protección?, ¿al coordinador nacional o al que estaba ahí? '</li></ul>                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                          |
+
+## Evaluation
+
+### Metrics
+| Label   | Accuracy |
+|:--------|:---------|
+| **all** | 0.5928   |
+
+## 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("alelov/test-model-label1-MiniLM")
+# Run inference
+preds = model(" Con toda libertad. ¿Tú qué opinas? Con toda libertad, o sea, aquí prohibido prohibir. ")
+```
+
+<!--
+### 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   | 10  | 109.8  | 608 |
+
+| Label | Training Sample Count |
+|:------|:----------------------|
+| 0     | 12                    |
+| 1     | 10                    |
+| 2     | 8                     |
+
+### Training Hyperparameters
+- batch_size: (16, 16)
+- num_epochs: (4, 4)
+- max_steps: -1
+- sampling_strategy: oversampling
+- 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
+- seed: 42
+- eval_max_steps: -1
+- load_best_model_at_end: True
+
+### Training Results
+| Epoch   | Step    | Training Loss | Validation Loss |
+|:-------:|:-------:|:-------------:|:---------------:|
+| 0.0270  | 1       | 0.2067        | -               |
+| 1.0     | 37      | -             | 0.2984          |
+| 1.3514  | 50      | 0.0431        | -               |
+| 2.0     | 74      | -             | 0.2728          |
+| 2.7027  | 100     | 0.0046        | -               |
+| 3.0     | 111     | -             | 0.2651          |
+| **4.0** | **148** | **-**         | **0.2648**      |
+
+* The bold row denotes the saved checkpoint.
+### Framework Versions
+- Python: 3.10.12
+- SetFit: 1.0.3
+- Sentence Transformers: 2.7.0
+- Transformers: 4.40.1
+- PyTorch: 2.2.1+cu121
+- Datasets: 2.19.1
+- Tokenizers: 0.19.1
+
+## 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 +1,26 @@
+{
+  "_name_or_path": "checkpoints/step_148",
+  "architectures": [
+    "BertModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "classifier_dropout": null,
+  "gradient_checkpointing": false,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 384,
+  "initializer_range": 0.02,
+  "intermediate_size": 1536,
+  "layer_norm_eps": 1e-12,
+  "max_position_embeddings": 512,
+  "model_type": "bert",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 0,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.40.1",
+  "type_vocab_size": 2,
+  "use_cache": true,
+  "vocab_size": 250037
+}

config_sentence_transformers.json

@@ -0,0 +1,9 @@
+{
+  "__version__": {
+    "sentence_transformers": "2.0.0",
+    "transformers": "4.7.0",
+    "pytorch": "1.9.0+cu102"
+  },
+  "prompts": {},
+  "default_prompt_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:cda6f718362ec971f016382315683db7c6d6f3e00f7f5c773697a2997e66c793
+size 470637416

model_head.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:763638afe73322c216d87d77ca05a7b407884426898aa9eee048e8b1332550a0
+size 10111

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": 128,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,51 @@
+{
+  "bos_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "cls_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eos_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "<mask>",
+    "lstrip": true,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "<pad>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "<unk>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:cad551d5600a84242d0973327029452a1e3672ba6313c2a3c3d69c4310e12719
+size 17082987

tokenizer_config.json

@@ -0,0 +1,64 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "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": "</s>",
+      "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
+    },
+    "250001": {
+      "content": "<mask>",
+      "lstrip": true,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "do_lower_case": true,
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "max_length": 128,
+  "model_max_length": 512,
+  "pad_to_multiple_of": null,
+  "pad_token": "<pad>",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "</s>",
+  "stride": 0,
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "<unk>"
+}

unigram.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:da145b5e7700ae40f16691ec32a0b1fdc1ee3298db22a31ea55f57a966c4a65d
+size 14763260