Usar SetFit con Hugging Face

SetFit es un marco de trabajo eficiente y sin prompts para el ajuste fino de Sentence Transformers con pocos ejemplos. Alcanza una alta precisión con pocos datos etiquetados: por ejemplo, con solo 8 ejemplos etiquetados por clase en el conjunto de datos de sentimiento de Customer Reviews, SetFit es competitivo con el ajuste fino de RoBERTa Large en el conjunto de entrenamiento completo de 3k ejemplos 🤯.

En comparación con otros métodos de aprendizaje con pocos ejemplos, SetFit presenta varias características únicas:

• 🗣 Sin prompts ni verbalizadores: Las técnicas actuales de ajuste fino con pocos ejemplos requieren prompts o verbalizadores creados a mano para convertir los ejemplos en un formato adecuado para el modelo de lenguaje subyacente. SetFit elimina por completo la necesidad de prompts generando embeddings ricos directamente a partir de ejemplos de texto.
• 🏎 Rápido de entrenar: SetFit no requiere modelos de gran escala como T0 o GPT-3 para lograr una alta precisión. Como resultado, su entrenamiento y la ejecución de inferencia suelen ser un orden de magnitud (o más) más rápidos.
• 🌎 Soporte multilingüe: SetFit se puede usar con cualquier Sentence Transformer del Hub, lo que significa que puedes clasificar texto en varios idiomas simplemente ajustando un checkpoint multilingüe.

Explorando SetFit en el Hub

Puedes encontrar modelos de SetFit filtrando a la izquierda de la página de modelos.

Todos los modelos del Hub incluyen estas funciones útiles:

1. Una tarjeta de modelo generada automáticamente con una breve descripción.
2. Un widget interactivo que puedes usar para experimentar con el modelo directamente en el navegador.
3. Un widget de Inference Providers que te permite realizar solicitudes de inferencia.

Instalación

Para comenzar, puedes seguir la guía de instalación de SetFit. También puedes usar la siguiente instalación de una línea a través de pip:

pip install -U setfit

Uso de modelos existentes

Todos los modelos de setfit se pueden cargar fácilmente desde el Hub.

from setfit import SetFitModel

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

Una vez cargado, puedes usar SetFitModel.predict para realizar inferencia.

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

['positive', 'negative']

Si deseas cargar un modelo de SetFit específico, puedes hacer clic en Use in SetFit y se te proporcionará un fragmento de código funcional.

Recursos adicionales

• Todos los modelos de SetFit disponibles en el Hub
• Repositorio de SetFit repository
• Documentación de SetFit docs
• Artículo de SetFit paper