Add SetFit model

1_Pooling/config.json

@@ -0,0 +1,9 @@
+{
+  "word_embedding_dimension": 768,
+  "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
+}

README.md

@@ -0,0 +1,319 @@
+---
+base_model: Maltehb/danish-bert-botxo
+library_name: setfit
+metrics:
+- accuracy
+pipeline_tag: text-classification
+tags:
+- setfit
+- sentence-transformers
+- text-classification
+- generated_from_setfit_trainer
+widget:
+- text: Jeg håber jeg igen kan få opbakning og tillid til at blive folketingsmedlem.
+    Jeg kæmper for hjemstavnen. Jeg bor og lever i Vestjylland.
+- text: Har man vendt Danmark ryggen og tilsluttet sig Islamisk Stat, så er man en
+    landsforræder, og så skal man ikke tilbage til Danmark igen! Det handler om vores
+    allesammens sikkerhed. Vi skal ikke lukke potentielle terrorister ind af hverken
+    for- eller bagdøren ❤️🇩🇰
+- text: 5. December 🎄julekalender hilsen 🤶🏻 Grønland gjorde et stort indtryk på mig.
+    Naturen, de enorme afstande, den smukke klare himmel, nordlyset og ikke mindst
+    kulturen og menneskene. Det var mit første besøg, men bestemt ikke det sidste.
+    De historiske bånd mellem Grønland og Danmark er forbundet med både glæde og smerte.
+    Men de har bragt os tættere på hinanden. Det er et stolt fangerfolk, som lever
+    i pagt med naturen. Det mærker man tydeligt den dag i dag. Det kan være svært,
+    at drive en virksomhed heroppe, for kommer der rensdyr eller andet godt, så er
+    det ud og jage - nogen gange i 14 dage. På få generationer har man ‘modaniseret’
+    den grønlandske samfundsmodel. Og når man er her, og taler med folk ude i bygderne,
+    ja så forstå man bedre, hvorfor det måske er gået for stærkt ? En ting er sikkert.
+    Selvstændighed for et folk med knap 50.000 indbyggere, vil jeg mene er at efterlade
+    et land og et folk i uvished. Rigsfællesskabet er vigtigt, og det skal vi passe
+    godt på. I respekt for hinanden. Der er så meget som binder os sammen. Jeg er
+    taknemmelig for, at jeg fik lov til at opleve og møde så mange lokale - både indbyggere,
+    embedsfolk, politikere, virksomhedsejere og mange flere. Der er behov for en større
+    dansk forståelse af Grønland og om rigsfællesskabet. Defor har jeg også som et
+    krav i de kommende medieforhandlinger, at DR forpligtes til at optage, producere,
+    formidle et bredere og repræsentativt udsnit af rigsfælleskabet. God søndag😊
+- text: Vi har brug for, at 2021 bliver et år, hvor vi nærmer os livet, vi kendte
+    ❤️ Som så mange andre, har jeg været meget nervøs for mine forældre. Jeg tror
+    mange, med forældre oppe i årene kan genkende følelsen. Svært har det været ikke
+    at kunne besøge dem i begyndelsen af coronaen. Senere i forløbet har vi set hinanden
+    og taget hensyn. Jeg tror, vi alle vil huske 2020, som året hvor vi måtte lide
+    afsavn – store som små. Og året hvor vi savnede at mødes med andre mennesker og
+    særligt vores nærmeste. Jeg føler virkelig med de mange, der bor på plejehjem
+    og ikke har kunnet se deres pårørende. Det er hjerteskærende, at gamle mennesker
+    som måske skal fejre deres sidste jul ikke kan være sammen med de nærmeste familiemedlemmer
+    i deres egen lejlighed på plejehjemmet. I stedet skal de være i opstillede besøgsrum.
+    Og ja, jeg hører og forstår alle argumenterne om smitte, og vi SKAL passe på.
+    Ja, de gamle ER sårbare, men har man spurgt dem, hvad de helst vil? Mange unge
+    har savnet deres kammerater, andre deres kollegaer på jobbet. Nogle savner deres
+    job grundet fyringer, og andre er gået konkurs. Listen over savn og afsavn er
+    lang. Nu venter vi på vaccinen. Og jeg ser frem til den kommer. Savn er en følelse,
+    vi har brug for at føle mindre af i 2021 ❤️ 🎄⛄️ 23. december 🎅🏻 Julekalender ⛄️🎄
+- text: Jeg deltager ikke i forhandlingerne om psykiatrien i dag, da jeg ikke repræsenterer
+    et parti eller har en masse mandatter. Men havde jeg gjort det, så ville jeg kræve
+    et afsat beløb hvert år i de ti år. Det burde man kunne love hinanden.500 mio
+    om året kunne det være. Dernæst sikre at PPR virker i kommunerne og man der kan
+    sikre behandling for børn og unge uden de skal have en diagnose først. Så skal
+    der sikrers samme rettigheder for psykisk sygdom som somatisk. Start med behandlingsgaranti
+    for mennesker en en skizofren lidelse. Og gør nu det der virker rundt omkring.
+    For der er steder som fungerer godt, man ønsker bare ikke lære af hinanden. Når
+    der er mangel på personale, så tænk andre grupper. For at lave aktivteter på en
+    afdeling behøver man ikke være en bestemt fagruppe. Og en akutlinje som nu mange
+    taler om, se nu på de kommuner der har en. F.eks Greve hvor vi har prioriteret
+    det. Men kommunene har brug for mere økonomi for at kunne løfte psykiatrien i.
+    Men jeg håber de finder nogle løsninger og ønsker dem nogle gode forhandlinger.
+inference: false
+model-index:
+- name: SetFit with Maltehb/danish-bert-botxo
+  results:
+  - task:
+      type: text-classification
+      name: Text Classification
+    dataset:
+      name: Unknown
+      type: unknown
+      split: test
+    metrics:
+    - type: accuracy
+      value: 0.7317073170731707
+      name: Accuracy
+---
+
+# SetFit with Maltehb/danish-bert-botxo
+
+This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [Maltehb/danish-bert-botxo](https://huggingface.co/Maltehb/danish-bert-botxo) as the Sentence Transformer embedding model. A OneVsRestClassifier 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:** [Maltehb/danish-bert-botxo](https://huggingface.co/Maltehb/danish-bert-botxo)
+- **Classification head:** a OneVsRestClassifier instance
+- **Maximum Sequence Length:** 512 tokens
+<!-- - **Number of Classes:** Unknown -->
+<!-- - **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)
+
+## Evaluation
+
+### Metrics
+| Label   | Accuracy |
+|:--------|:---------|
+| **all** | 0.7317   |
+
+## 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("OBech/IngroupOutgroup2")
+# Run inference
+preds = model("Jeg håber jeg igen kan få opbakning og tillid til at blive folketingsmedlem. Jeg kæmper for hjemstavnen. Jeg bor og lever i Vestjylland.")
+```
+
+<!--
+### 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   | 1   | 94.5901 | 380 |
+
+### Training Hyperparameters
+- batch_size: (8, 8)
+- num_epochs: (2, 2)
+- 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 |
+|:-------:|:--------:|:-------------:|:---------------:|
+| 0.0005  | 1        | 0.2605        | -               |
+| 0.0235  | 50       | 0.3094        | -               |
+| 0.0471  | 100      | 0.2222        | -               |
+| 0.0706  | 150      | 0.2855        | -               |
+| 0.0941  | 200      | 0.1699        | -               |
+| 0.1176  | 250      | 0.1467        | -               |
+| 0.1412  | 300      | 0.152         | -               |
+| 0.1647  | 350      | 0.2407        | -               |
+| 0.1882  | 400      | 0.0391        | -               |
+| 0.2118  | 450      | 0.0165        | -               |
+| 0.2353  | 500      | 0.0009        | -               |
+| 0.2588  | 550      | 0.0004        | -               |
+| 0.2824  | 600      | 0.0014        | -               |
+| 0.3059  | 650      | 0.0006        | -               |
+| 0.3294  | 700      | 0.0001        | -               |
+| 0.3529  | 750      | 0.0007        | -               |
+| 0.3765  | 800      | 0.0002        | -               |
+| 0.4     | 850      | 0.0004        | -               |
+| 0.4235  | 900      | 0.0003        | -               |
+| 0.4471  | 950      | 0.0001        | -               |
+| 0.4706  | 1000     | 0.0001        | -               |
+| 0.4941  | 1050     | 0.0002        | -               |
+| 0.5176  | 1100     | 0.0002        | -               |
+| 0.5412  | 1150     | 0.0005        | -               |
+| 0.5647  | 1200     | 0.0002        | -               |
+| 0.5882  | 1250     | 0.0002        | -               |
+| 0.6118  | 1300     | 0.062         | -               |
+| 0.6353  | 1350     | 0.0004        | -               |
+| 0.6588  | 1400     | 0.0377        | -               |
+| 0.6824  | 1450     | 0.0001        | -               |
+| 0.7059  | 1500     | 0.0001        | -               |
+| 0.7294  | 1550     | 0.0002        | -               |
+| 0.7529  | 1600     | 0.0001        | -               |
+| 0.7765  | 1650     | 0.0009        | -               |
+| 0.8     | 1700     | 0.0002        | -               |
+| 0.8235  | 1750     | 0.0003        | -               |
+| 0.8471  | 1800     | 0.0001        | -               |
+| 0.8706  | 1850     | 0.0068        | -               |
+| 0.8941  | 1900     | 0.0002        | -               |
+| 0.9176  | 1950     | 0.0001        | -               |
+| 0.9412  | 2000     | 0.0           | -               |
+| 0.9647  | 2050     | 0.0002        | -               |
+| 0.9882  | 2100     | 0.0           | -               |
+| **1.0** | **2125** | **-**         | **0.205**       |
+| 1.0118  | 2150     | 0.0164        | -               |
+| 1.0353  | 2200     | 0.0002        | -               |
+| 1.0588  | 2250     | 0.0           | -               |
+| 1.0824  | 2300     | 0.0001        | -               |
+| 1.1059  | 2350     | 0.0           | -               |
+| 1.1294  | 2400     | 0.0001        | -               |
+| 1.1529  | 2450     | 0.0001        | -               |
+| 1.1765  | 2500     | 0.036         | -               |
+| 1.2     | 2550     | 0.0078        | -               |
+| 1.2235  | 2600     | 0.0002        | -               |
+| 1.2471  | 2650     | 0.0088        | -               |
+| 1.2706  | 2700     | 0.0336        | -               |
+| 1.2941  | 2750     | 0.0           | -               |
+| 1.3176  | 2800     | 0.0001        | -               |
+| 1.3412  | 2850     | 0.0387        | -               |
+| 1.3647  | 2900     | 0.0           | -               |
+| 1.3882  | 2950     | 0.0042        | -               |
+| 1.4118  | 3000     | 0.0001        | -               |
+| 1.4353  | 3050     | 0.0           | -               |
+| 1.4588  | 3100     | 0.0001        | -               |
+| 1.4824  | 3150     | 0.0001        | -               |
+| 1.5059  | 3200     | 0.0001        | -               |
+| 1.5294  | 3250     | 0.002         | -               |
+| 1.5529  | 3300     | 0.0001        | -               |
+| 1.5765  | 3350     | 0.0055        | -               |
+| 1.6     | 3400     | 0.0002        | -               |
+| 1.6235  | 3450     | 0.0           | -               |
+| 1.6471  | 3500     | 0.0           | -               |
+| 1.6706  | 3550     | 0.0           | -               |
+| 1.6941  | 3600     | 0.0           | -               |
+| 1.7176  | 3650     | 0.0001        | -               |
+| 1.7412  | 3700     | 0.0347        | -               |
+| 1.7647  | 3750     | 0.0           | -               |
+| 1.7882  | 3800     | 0.0           | -               |
+| 1.8118  | 3850     | 0.0           | -               |
+| 1.8353  | 3900     | 0.0001        | -               |
+| 1.8588  | 3950     | 0.0           | -               |
+| 1.8824  | 4000     | 0.0001        | -               |
+| 1.9059  | 4050     | 0.0           | -               |
+| 1.9294  | 4100     | 0.0001        | -               |
+| 1.9529  | 4150     | 0.0073        | -               |
+| 1.9765  | 4200     | 0.0001        | -               |
+| 2.0     | 4250     | 0.0           | 0.2099          |
+
+* The bold row denotes the saved checkpoint.
+### Framework Versions
+- Python: 3.10.13
+- SetFit: 1.0.3
+- Sentence Transformers: 2.3.0
+- Transformers: 4.39.0
+- PyTorch: 2.1.2
+- Datasets: 2.20.0
+- Tokenizers: 0.15.2
+
+## 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 +1,32 @@
+{
+  "_name_or_path": "checkpoints/step_2125",
+  "architectures": [
+    "BertModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "classifier_dropout": null,
+  "directionality": "bidi",
+  "gradient_checkpointing": false,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-12,
+  "max_position_embeddings": 512,
+  "model_type": "bert",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 0,
+  "pooler_fc_size": 768,
+  "pooler_num_attention_heads": 12,
+  "pooler_num_fc_layers": 3,
+  "pooler_size_per_head": 128,
+  "pooler_type": "first_token_transform",
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.39.0",
+  "type_vocab_size": 2,
+  "use_cache": true,
+  "vocab_size": 32000
+}

config_sentence_transformers.json

@@ -0,0 +1,7 @@
+{
+  "__version__": {
+    "sentence_transformers": "2.3.0",
+    "transformers": "4.39.0",
+    "pytorch": "2.1.2"
+  }
+}

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 sha256:55e5bcd30622bc1fe7f992953d0ec75230a22643b7c99e917da1c0714ab9b97d
+size 442491744

model_head.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:97ab9d87d1f8aaf66cb215ab60d3491c20f64dd668f635ceb385ddd9d49963ea
+size 20436

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": 512,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,37 @@
+{
+  "cls_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "[MASK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "[PAD]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "[SEP]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "[UNK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer_config.json

@@ -0,0 +1,64 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "[PAD]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "[UNK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "[CLS]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "[SEP]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "4": {
+      "content": "[MASK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "[CLS]",
+  "do_basic_tokenize": true,
+  "do_lower_case": true,
+  "mask_token": "[MASK]",
+  "max_length": 512,
+  "model_max_length": 512,
+  "never_split": null,
+  "pad_to_multiple_of": null,
+  "pad_token": "[PAD]",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "[SEP]",
+  "stride": 0,
+  "strip_accents": false,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "[UNK]"
+}