使用 SetFit 与 Hugging Face

SetFit 是一个高效且无需提示的框架，用于对 Sentence Transformers 进行少样本微调。它以少量标记数据实现高精度 - 例如，在 Customer Reviews 情感数据集上，每个类别仅使用 8 个标记示例，SetFit 的竞争力与在完整训练集（3k 个示例）上微调 RoBERTa Large 相当 🤯！

与其他少样本学习方法相比，SetFit 具有几个独特的功能

🗣 无需提示或动词指示器： 当前的少样本微调技术需要手工制作的提示或动词指示器，以将示例转换为适合底层语言模型的格式。SetFit 完全放弃了提示，直接从文本示例生成丰富的嵌入。
🏎 训练速度快： SetFit 不需要像 T0 或 GPT-3 这样的大规模模型即可实现高精度。因此，它的训练和运行推理速度通常快一个数量级（或更多）。
🌎 多语言支持：SetFit 可以与 Hub 上的任何 Sentence Transformer 一起使用，这意味着您只需微调多语言检查点即可对多种语言的文本进行分类。

在 Hub 上探索 SetFit

您可以在模型页面的左侧进行筛选，找到 SetFit 模型。

Hub 上的所有模型都具有以下有用的功能

一个自动生成的模型卡片，其中包含简短的描述。
一个交互式小部件，您可以使用它直接在浏览器中试用模型。
一个 Inference API，允许您发出推理请求。

安装

要开始使用，您可以按照SetFit 安装指南进行操作。您也可以使用以下通过 pip 进行一键安装的命令

pip install -U setfit

使用现有模型

所有 setfit 模型都可以轻松地从 Hub 加载。

from setfit import SetFitModel

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

加载后，您可以使用 SetFitModel.predict 执行推理。

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

['positive', 'negative']

如果您想加载特定的 SetFit 模型，可以点击 Use in SetFit，您将获得一个可用的代码片段！

其他资源

< > 在 GitHub 上更新