Add SetFit model

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 +1,255 @@
+---
+tags:
+- setfit
+- sentence-transformers
+- text-classification
+- generated_from_setfit_trainer
+widget:
+- text: "Danze, canti, bandiere gialloazzurre e messaggi di pace davanti al piazzale\
+    \ della chiesa di San Ferdinando di Bari. Si è riunita in via Sparano, come annunciato\
+    \ ieri, la comunità ucraina barese, per protestare contro la guerra attualmente\
+    \ in atto e contro gli invasori russi. Adulti e bambini hanno sfilato nel centro\
+    \ murattiano nel 'Giorno dell'unità', in cui si celebra la firma dell'Atto di\
+    \ Unificazione, un accordo siglato il 22 gennaio 1919 dalla Repubblica Popolare\
+    \ Ucraina e dalla Repubblica Nazionale dell'Ucraina Occidentale nella piazza di\
+    \ Santa Sofia a Kiev. \n\"Ringraziamo non solo i baresi ma tutta l'Italia per\
+    \ la generosità. Grazie a loro possiamo ogni giorno cibo, vestiti e altri aiuti\
+    \ in Ucraina. Ogni giorno di guerra che passa, è un giorno di dolore anche per\
+    \ i nostri piccoli. Con tutto il cuore vogliamo ringraziarvi per queste unità:\
+    \ questo periodo ha dimostrato che tutto il mondo è unito a favore dell'umanità\"\
+    \ spiega una partecipante all'evento."
+- text: 'L’ultimo appuntamento della prima parte della rassegna all’aperto “Ar/Giro
+    Di Accordi”, ideata e promossa dall’omonimo luogo di incontro e club raffinato
+    Argiro52 a Bari (info: 331.401.39.02), è previsto per giovedì 25 luglio alle 21.30
+    con il concerto del quintetto Interaction. Alla formazione composta da Guido di
+    Leone (chitarra), Giampaolo Laurentaci (contrabbasso) e Giovanni Scasciamacchia
+    (batteria), si aggiungeranno due guest: il sassofonista norvegese Martin Jacobsen
+    e il flicornista Fabrizio Gaudino.
+
+    “West Coast jazz” è il titolo del live in cui il quintetto eseguirà musiche di
+    Art Farmer, Jim Hall, Chet Baker, Jerry Mulligan, Paul Desmond e Stan Getz. Il
+    progetto nasce sulle orme del trombettista Art Farmer ed il chitarrista Jim Hall,
+    una delle più riuscite collaborazioni fra artisti “cool”. Il sound, l’idea del
+    jazz e parte del repertorio, vengono dai nostri musicisti riecheggiati con discrezione
+    e personalità, nel rispetto del passato e del linguaggio del jazz.
+
+    In ogni momento della tua vita, l''energia può fare la differenza. Con Acea Energia,
+    Luce e Gas, mobilità elettrica e servizi smart
+
+    Scegli Acea
+
+    Contenuto Sponsor
+
+    Jerry Mulligan e Chet Baker si incontrano e nasce il pianoless quartet, un nuovo
+    modo di proporre gli standards, senza strumenti armonici, rifacendosi alla tecnica
+    del contrappunto classico, Paul Desmond, Stan Getz disegnano assoli inconfondibili
+    caratterizzati da tecnica, lirismo e timbri morbidi. Gli Interaction ci proiettano
+    in un jazz raffinato, swing, armonicamente intrigante, melodicamente gradevole
+    e sorprendente.'
+- text: 'Un''auto è finita, nel primo pomeriggio, sui paletti parapedonali del t5eatro
+    petruzzelli, danneggiandoli: a guidare il mezzo, un uomo di 75 anni. Sul posto
+    sono intervenute le pattuglie della Polizia Locale e un''autogru. Accertamenti
+    in corso per stabilire la dinamica degli episodi. Il conducente sarà segnalato
+    per richiesta di revisione accertamenti psicofisici e sanzionato per i danni causati.'
+- text: 'Domenica 12 ore 10.30 appuntamento con il nuovo itinerario “BARI ECLETTICA”.
+    Alla scoperta dei palazzi simboli della borghesia e del commercio barese del secolo
+    scorso.
+
+
+    Costo: 10 euro
+
+
+    Punto d’incontro: Piazza Eroi del Mare c/o statua Araldo di Crollalanza
+
+
+    Prenotazione obbligatoria a [email protected] o tramite whatsapp al 3403394708
+    indicando il numero di partecipanti, un cognome e un contatto telefonico.
+
+    200 GB e minuti illimitati a 7,90€/mese. Attivazione e 1° mese gratis.
+
+    Vedi Offerta
+
+    Contenuto Sponsor
+
+    Ottieni indicazioni con i mezzi pubblici verso: Madonnella
+
+    Linee che fermano vicino a Piazza Eroi del Mare
+
+    Crea il tuo widget'
+- text: '"Non esistono professioni sanitarie di serie A e serie B": è il motto della
+    protesta che nella mattinata ha portato i laureati in psicologia, biologia e farmacia
+    a manifestare a Bari. Riunitisi in piazza Cesare Battisti, i manifestanti hanno
+    esposto striscioni e cartelli, chiedendo una modifica del sistema di abilitazione
+    professionale. "Esattamente come è avvenuto per medici e infermieri con il decreto
+    Cura Italia - spiegano i laureati- Chiediamo che il tirocinio venga riconosciuto
+    per l''abilitazione all''esercizio della professione". Una manifestazione che
+    è stata replicata in altre 12 città italiane, a supporto di quella romana, che
+    ha l''obiettivo di portare le istanze dei manifestanti al ministro dell''Università
+    e della ricerca Gaetano Manfredi.
+
+    "Noi psicologi - aggiunge Eugenio Trotta - ci ritroviamo a sostenere un���unica
+    prova orale per l''esame, a distanza e omnicomprensiva di tutte le materie previste
+    dall’Esame di Stato canonico, che normalmente consta di più prove ed è spalmato
+    su più mesi". Con tutti i limiti che i colloqui via internet portano con sé: "Non
+    è possibile rischiare una bocciatura in caso di problemi alla connessione, come
+    indicato nel regolamento dell''Università La Sapienza di Roma" conclude.
+
+    GALLERY'
+metrics:
+- accuracy
+pipeline_tag: text-classification
+library_name: setfit
+inference: false
+base_model: nickprock/sentence-bert-base-italian-uncased
+---
+
+# SetFit with nickprock/sentence-bert-base-italian-uncased
+
+This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [nickprock/sentence-bert-base-italian-uncased](https://huggingface.co/nickprock/sentence-bert-base-italian-uncased) 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:** [nickprock/sentence-bert-base-italian-uncased](https://huggingface.co/nickprock/sentence-bert-base-italian-uncased)
+- **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)
+
+## 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("simonepapa/setfit-baritoday-multilabel")
+# Run inference
+preds = model("Un'auto è finita, nel primo pomeriggio, sui paletti parapedonali del t5eatro petruzzelli, danneggiandoli: a guidare il mezzo, un uomo di 75 anni. Sul posto sono intervenute le pattuglie della Polizia Locale e un'autogru. Accertamenti in corso per stabilire la dinamica degli episodi. Il conducente sarà segnalato per richiesta di revisione accertamenti psicofisici e sanzionato per i danni causati.")
+```
+
+<!--
+### 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   | 42  | 154.4615 | 1030 |
+
+### Training Hyperparameters
+- batch_size: (16, 16)
+- num_epochs: (1, 1)
+- max_steps: -1
+- sampling_strategy: oversampling
+- num_iterations: 20
+- body_learning_rate: (2e-05, 2e-05)
+- head_learning_rate: 2e-05
+- 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 |
+|:------:|:----:|:-------------:|:---------------:|
+| 0.0038 | 1    | 0.1775        | -               |
+| 0.1923 | 50   | 0.1375        | -               |
+| 0.3846 | 100  | 0.0755        | -               |
+| 0.5769 | 150  | 0.0521        | -               |
+| 0.7692 | 200  | 0.0456        | -               |
+| 0.9615 | 250  | 0.0446        | -               |
+
+### Framework Versions
+- Python: 3.10.5
+- SetFit: 1.1.0
+- Sentence Transformers: 3.3.1
+- Transformers: 4.42.2
+- PyTorch: 2.5.1+cu124
+- Datasets: 3.1.0
+- 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 +1,25 @@
+{
+  "_name_or_path": "nickprock/sentence-bert-base-italian-uncased",
+  "architectures": [
+    "BertModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "classifier_dropout": null,
+  "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,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.42.2",
+  "type_vocab_size": 2,
+  "use_cache": true,
+  "vocab_size": 31102
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.3.1",
+    "transformers": "4.42.2",
+    "pytorch": "2.5.1+cu124"
+  },
+  "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 sha256:81f6d18da2d7fb92632fbb297e1d7498f3032aff4550a80e125a569632f2a0c1
+size 439733088

model_head.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:9840f27bef4e182dfadd711d1269b62f9b2652b35fb0b9752ba80bfcd7973c8b
+size 85140

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 +1,65 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "[PAD]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "101": {
+      "content": "[UNK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "102": {
+      "content": "[CLS]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "103": {
+      "content": "[SEP]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "104": {
+      "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_len": 512,
+  "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]"
+}