Hugging FaceでのSetFitの使用方法

SetFitは、Sentence Transformersの少ショットファインチューニングのための、効率的かつプロンプト不要なフレームワークです。ラベル付きデータが少量でも高い精度を実現します。例えば、Customer Reviews感情分析データセットでは、クラスごとにラベル付き例がわずか8件のみでも、3,000件の完全なトレーニングセットでRoBERTa Largeをファインチューニングした場合と同等の性能を発揮します🤯!

他のファインショット学習手法と比較して、SetFitにはいくつかの独自の特徴があります：

• 🗣 プロンプトやバーバリザラー不要: 現在のファインショットファインチューニングの手法では、基盤となる言語モデルに適した形式に変換するために、手作業で作成されたプロンプトやバーバリザラーが必要です。SetFit は、テキストの例から直接リッチな埋め込みを生成することで、プロンプトを完全に排除しています。
• 🏎 学習が高速: SetFitは、T0やGPT-3のような大規模モデルを必要とせず、高い精度を実現できます。その結果、学習と推論の実行は、通常1桁以上（それ以上）高速になります。
• 🌎 多言語対応: SetFit は Hub 上の任意の Sentence Transformer と組み合わせて使用できるため、多言語チェックポイントをファインチューニングするだけで、複数言語のテキストを分類できます。

HubでのSetFitの探索

モデルページの左側でフィルタリングすることで、SetFitモデルを見つけることができます。

Hub上のすべてのモデルには、これらの便利な機能が備わっています:

1. 簡潔な説明付きの自動生成されたモデルカード。
2. ブラウザ上でモデルを直接操作できるインタラクティブなウィジェット。
3. 推論リクエストを行うことを可能にするInference Providersウィジェットです。

インストール

開始するには、SetFitのインストールガイドに従うことができます。また、以下の1行のpipコマンドでインストールすることもできます:

pip install -U setfit

既存のモデルを使用する

すべてのsetfitモデルは、Hubから簡単に読み込むことができます。

from setfit import SetFitModel

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

読み込みが完了すると、SetFitModel.predict を使用して推論を実行できます。

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

['positive', 'negative']

特定のSetFitモデルを読み込みたい場合は、Use in SetFitをクリックすると、動作するスニペットが表示されます!

追加のリソース

• Hubで利用可能なすべてのSetFitモデル
• SetFit リポジトリ
• SetFit ドキュメント
• SetFit 論文