# استخدام SetFit مع Hugging Face

SetFit هو إطار عمل فعّال وخالي من الأوامر (prompt-free) لضبط نماذج [Sentence Transformers](https://sbert.net/) بعدد قليل من الأمثلة. يحقق دقة عالية باستخدام كمية ضئيلة من البيانات الموسومة؛ فعلى سبيل المثال، باستخدام 8 أمثلة موسومة فقط لكل فئة في مجموعة بيانات مشاعر تقييمات العملاء، يُنافس SetFit ضبط RoBERTa Large على مجموعة التدريب الكاملة المكونة من 3 آلاف مثال 🤯!

مقارنةً بطرق التعلم بعدد قليل من الأمثلة الأخرى، تتمتع SetFit بعدة ميزات فريدة:

* 🗣 **لا حاجة إلى موجهات أو مُفصِّحات:** تتطلب التقنيات الحالية للضبط الدقيق بعدد قليل من الأمثلة موجهات أو مُفصِّحات مُصمَّمة يدويًا لتحويل الأمثلة إلى صيغة مناسبة لنموذج اللغة الأساسي. يتخلّى SetFit عن الموجهات تمامًا من خلال توليد تمثيلات غنية مباشرةً من أمثلة النص.
* 🏎 **سريع التدريب:** لا يتطلب SetFit نماذج واسعة النطاق مثل [T0](https://huggingface.co/bigscience/T0) أو GPT-3 لتحقيق دقة عالية. ونتيجةً لذلك، يكون تدريبه وتشغيل الاستدلال به أسرع عادةً بمقدار مرتبة من العشرة (أو أكثر).
* 🌎 **دعم متعدد اللغات**: يمكن استخدام SetFit مع أي [Sentence Transformer](https://huggingface.co/models?library=sentence-transformers&sort=downloads) على Hub، مما يعني أنه يمكنك تصنيف النصوص بلغات متعددة من خلال ضبط نقطة تفتيش متعددة اللغات فقط.

## استكشاف SetFit على Hub

يمكنك العثور على نماذج SetFit عن طريق التصفية على يسار [صفحة النماذج](https://huggingface.co/models?library=setfit).

تأتي جميع النماذج على Hub بهذه الميزات المفيدة:
1. بطاقة نموذج مُولَّدة تلقائيًا مع وصف موجز.
2. مكوّن تفاعلي يمكنك استخدامه للتفاعل مع النموذج مباشرةً في المتصفح.
3. مكوّن مزوّدي الاستدلال الذي يتيح لك إرسال طلبات الاستدلال.

## التثبيت

للبداية، يمكنك اتباع [دليل تثبيت SetFit](https://huggingface.co/docs/setfit/installation). كما يمكنك استخدام أمر التثبيت التالي من سطر واحد عبر pip:

```
pip install -U setfit
```

## استخدام نماذج موجودة

يمكن بسهولة تحميل جميع نماذج `setfit` من Hub.

```py
from setfit import SetFitModel

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

بعد التحميل، يمكنك استخدام [`SetFitModel.predict`](https://huggingface.co/docs/setfit/reference/main#setfit.SetFitModel.predict) لتنفيذ الاستدلال.

```py
model.predict("Amelia Earhart flew her single engine Lockheed Vega 5B across the Atlantic to Paris.")
```
```bash
['positive', 'negative']
```

إذا كنت ترغب في تحميل نموذج SetFit محدد، يمكنك النقر على `Use in SetFit` وستحصل على مقتطف برمجي جاهز للاستخدام!

## موارد إضافية
* [جميع نماذج SetFit المتاحة على Hub](https://huggingface.co/models?library=setfit)
* مستودع [SetFit](https://github.com/huggingface/setfit)
* SetFit [docs](https://huggingface.co/docs/setfit)
* ورقة SetFit [البحثية](https://arxiv.org/abs/2209.11055)