Push model using huggingface_hub.

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "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,
+  "include_prompt": true
+}

README.md

@@ -0,0 +1,223 @@
+---
+tags:
+- setfit
+- sentence-transformers
+- text-classification
+- generated_from_setfit_trainer
+widget:
+- text: 그로밋 안전벨트 인형 캐릭터 차량 귀여운 G스타일 안전벨트 멍멍이 인형 출산/육아 > 카시트 > 카시트용품 > 차량안전벨트
+- text: 메르세데스-벤츠 GLK 4pcs 패브릭 도어 보호 매트 안티 킥 장식 패드 02 빨간 출산/육아 > 카시트 > 카시트용품 > 카시트기타용품
+- text: 스마트키드벨트 유아 안전벨트 인형 초등학생 카시트 소라(blue) 출산/육아 > 카시트 > 카시트용품 > 차량안전벨트
+- text: 유아 안전벨트 쿠션 인형 (어린이 차량용 커버,카시트) 03.(면)화이트유니콘_S(3점벨트카시트용추천) 출산/육아 > 카시트 > 카시트용품
+    > 차량안전벨트
+- text: 자동차 안전벨트 커버인형 크리에이티브 DIY 모델 귀여운 동물 MOC 빌딩 블록 애완 동물원 개 오리 거북이 펭귄 고양이 돼지 새 토끼
+    장난감 28 CN00070-A13 출산/육아 > 카시트 > 카시트용품 > 차량안전벨트
+metrics:
+- accuracy
+pipeline_tag: text-classification
+library_name: setfit
+inference: true
+base_model: mini1013/master_domain
+model-index:
+- name: SetFit with mini1013/master_domain
+  results:
+  - task:
+      type: text-classification
+      name: Text Classification
+    dataset:
+      name: Unknown
+      type: unknown
+      split: test
+    metrics:
+    - type: accuracy
+      value: 1.0
+      name: Accuracy
+---
+
+# SetFit with mini1013/master_domain
+
+This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [mini1013/master_domain](https://huggingface.co/mini1013/master_domain) as the Sentence Transformer embedding model. A [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) 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:** [mini1013/master_domain](https://huggingface.co/mini1013/master_domain)
+- **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance
+- **Maximum Sequence Length:** 512 tokens
+- **Number of Classes:** 5 classes
+<!-- - **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)
+
+### Model Labels
+| Label | Examples                                                                                                                                                                                                                                                          |
+|:------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+| 3.0   | <ul><li>'조이 아이트래버 시그니처 아이사이즈 주니어카시트  출산/육아 > 카시트 > 주니어카시트'</li><li>'[연휴전특가] 멀티 i-Size 색상선택 (아이사이즈 주니어 카시트)  출산/육아 > 카시트 > 주니어카시트'</li><li>'[50% off] 페도라 위티 주니어 카시트 3종 선물 i-size 아이사이즈  출산/육아 > 카시트 > 주니어카시트'</li></ul>                                           |
+| 4.0   | <ul><li>'안전벨트 리본 쿠션 세트 베개 패드 가드 커버 인형 A 출산/육아 > 카시트 > 카시트용품 > 차량안전벨트'</li><li>'안전벨트인형 어린이안전벨트 유아 클립 카시트 커버 쿠션 2.그레이샤페이(1P) 출산/육아 > 카시트 > 카시트용품 > 차량안전벨트'</li><li>'자동차 인테리어 도어 매트 안티 킥 패드 보호 스티커 장식 하발 H6 - 액세서리 02 4 PCS 출산/육아 > 카시트 > 카시트용품 > 카시트기타용품'</li></ul> |
+| 0.0   | <ul><li>'BLIVA 이노픽스 부스터 카시트 (ISOFIX) 매쉬블랙  출산/육아 > 카시트 > 부스터카시트'</li><li>'벨럽 V50 주니어 부스터 카시트 (ISOFIX) 퀀텀블랙  출산/육아 > 카시트 > 부스터카시트'</li><li>'에어보스 록키 휴대용 부스터 카시트 (ISOFIX) + 서포트 헤드쿠션  출산/육아 > 카시트 > 부스터카시트'</li></ul>                                               |
+| 1.0   | <ul><li>'폴레드 라이징스타 아이사이즈(i-Size) 신생아 바구니 카시트 트레블 시스템  출산/육아 > 카시트 > 신생아카시트'</li><li>'싸이벡스 클라우드티 아이사이즈 신생아 바구니 회전형 카시트 / 클라우드 T  출산/육아 > 카시트 > 신생아카시트'</li><li>'맥시코시 카브리오픽스 TC 바구니 카시트 그라파이트  출산/육아 > 카시트 > 신생아카시트'</li></ul>                                      |
+| 2.0   | <ul><li>'싸이벡스 제로나 티 아이사이즈 아기 유아 신생아 회전형 분리형 모듈 카시트 / 제로나 T  출산/육아 > 카시트 > 영유아카시트'</li><li>'[◆빠른배송] 이지캐리2 휴대용 카시트 색상선택+목베개  출산/육아 > 카시트 > 영유아카시트'</li><li>'다이치 블리바 360 프로 아이사이즈  출산/육아 > 카시트 > 영유아카시트'</li></ul>                                                   |
+
+## Evaluation
+
+### Metrics
+| Label   | Accuracy |
+|:--------|:---------|
+| **all** | 1.0      |
+
+## 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("mini1013/master_cate_bc30")
+# Run inference
+preds = model("스마트키드벨트 유아 안전벨트 인형 초등학생 카시트 소라(blue) 출산/육아 > 카시트 > 카시트용품 > 차량안전벨트")
+```
+
+<!--
+### 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   | 9   | 16.0733 | 40  |
+
+| Label | Training Sample Count |
+|:------|:----------------------|
+| 0.0   | 20                    |
+| 1.0   | 20                    |
+| 2.0   | 20                    |
+| 3.0   | 20                    |
+| 4.0   | 70                    |
+
+### Training Hyperparameters
+- batch_size: (256, 256)
+- num_epochs: (30, 30)
+- max_steps: -1
+- sampling_strategy: oversampling
+- num_iterations: 50
+- 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
+- l2_weight: 0.01
+- seed: 42
+- eval_max_steps: -1
+- load_best_model_at_end: False
+
+### Training Results
+| Epoch   | Step | Training Loss | Validation Loss |
+|:-------:|:----:|:-------------:|:---------------:|
+| 0.0333  | 1    | 0.5171        | -               |
+| 1.6667  | 50   | 0.3557        | -               |
+| 3.3333  | 100  | 0.0539        | -               |
+| 5.0     | 150  | 0.0002        | -               |
+| 6.6667  | 200  | 0.0           | -               |
+| 8.3333  | 250  | 0.0           | -               |
+| 10.0    | 300  | 0.0           | -               |
+| 11.6667 | 350  | 0.0           | -               |
+| 13.3333 | 400  | 0.0           | -               |
+| 15.0    | 450  | 0.0           | -               |
+| 16.6667 | 500  | 0.0           | -               |
+| 18.3333 | 550  | 0.0           | -               |
+| 20.0    | 600  | 0.0           | -               |
+| 21.6667 | 650  | 0.0           | -               |
+| 23.3333 | 700  | 0.0           | -               |
+| 25.0    | 750  | 0.0           | -               |
+| 26.6667 | 800  | 0.0           | -               |
+| 28.3333 | 850  | 0.0           | -               |
+| 30.0    | 900  | 0.0           | -               |
+
+### Framework Versions
+- Python: 3.10.12
+- SetFit: 1.1.0
+- Sentence Transformers: 3.3.1
+- Transformers: 4.44.2
+- PyTorch: 2.2.0a0+81ea7a4
+- Datasets: 3.2.0
+- Tokenizers: 0.19.1
+
+## 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 +1,29 @@
+{
+  "_name_or_path": "mini1013/master_item_bc",
+  "architectures": [
+    "RobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "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-05,
+  "max_position_embeddings": 514,
+  "model_type": "roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tokenizer_class": "BertTokenizer",
+  "torch_dtype": "float32",
+  "transformers_version": "4.44.2",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 32000
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.3.1",
+    "transformers": "4.44.2",
+    "pytorch": "2.2.0a0+81ea7a4"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

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:e9ad69243722b303bfdee666fbed326befb91b065c789ff4fe3edcc9b598740e
+size 442494816

model_head.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:5396ba5df26dc6eb4e5a90dc27e83157819b5863eb6f88657e7abbf7d34b65ef
+size 31615

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 +1,51 @@
+{
+  "bos_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "cls_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eos_token": {
+    "content": "[SEP]",
+    "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 +1,66 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "[CLS]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "[PAD]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "[SEP]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "[UNK]",
+      "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
+    }
+  },
+  "bos_token": "[CLS]",
+  "clean_up_tokenization_spaces": false,
+  "cls_token": "[CLS]",
+  "do_basic_tokenize": true,
+  "do_lower_case": false,
+  "eos_token": "[SEP]",
+  "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": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "[UNK]"
+}