Hugging Face's logo

faodl
/
model_cca_multilabel_granite107m-75max-data-augmented-labels-desc-v03

Text Classification
setfit
Safetensors
sentence-transformers
xlm-roberta
generated_from_setfit_trainer
Model card Files
xet
Community

SetFit with ibm-granite/granite-embedding-107m-multilingual

This is a SetFit model that can be used for Text Classification. This SetFit model uses ibm-granite/granite-embedding-107m-multilingual 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 with contrastive learning.
  2. Training a classification head with features from the fine-tuned Sentence Transformer.

Model Details

Model Description

Model Sources

Uses

Direct Use for Inference

First install the SetFit library:

pip install setfit

Then you can load this model and run inference.

from setfit import SetFitModel

# Download from the 🤗 Hub
model = SetFitModel.from_pretrained("faodl/model_cca_multilabel_granite107m-75max-data-augmented-labels-desc-v03")
# Run inference
preds = model("Develop cross-cutting gender, youth, and disability considerations in market infrastructure planning.")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 1 46.8162 951

Training Hyperparameters

  • batch_size: (8, 8)
  • num_epochs: (2, 2)
  • max_steps: -1
  • sampling_strategy: oversampling
  • num_iterations: 10
  • 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
0.0001 1 0.0815 -
0.0028 50 0.2487 -
0.0056 100 0.2525 -
0.0084 150 0.2518 -
0.0112 200 0.248 -
0.0140 250 0.2409 -
0.0168 300 0.2482 -
0.0197 350 0.247 -
0.0225 400 0.2447 -
0.0253 450 0.2406 -
0.0281 500 0.2399 -
0.0309 550 0.2438 -
0.0337 600 0.2289 -
0.0365 650 0.2303 -
0.0393 700 0.2275 -
0.0421 750 0.2159 -
0.0449 800 0.2248 -
0.0477 850 0.2135 -
0.0505 900 0.2174 -
0.0534 950 0.2114 -
0.0562 1000 0.2196 -
0.0590 1050 0.2103 -
0.0618 1100 0.2088 -
0.0646 1150 0.2087 -
0.0674 1200 0.2019 -
0.0702 1250 0.1974 -
0.0730 1300 0.2038 -
0.0758 1350 0.2041 -
0.0786 1400 0.1901 -
0.0814 1450 0.1901 -
0.0842 1500 0.1928 -
0.0871 1550 0.196 -
0.0899 1600 0.1938 -
0.0927 1650 0.1849 -
0.0955 1700 0.1783 -
0.0983 1750 0.1799 -
0.1011 1800 0.1683 -
0.1039 1850 0.1651 -
0.1067 1900 0.1797 -
0.1095 1950 0.1768 -
0.1123 2000 0.1597 -
0.1151 2050 0.1699 -
0.1179 2100 0.1738 -
0.1208 2150 0.178 -
0.1236 2200 0.1679 -
0.1264 2250 0.162 -
0.1292 2300 0.1662 -
0.1320 2350 0.1673 -
0.1348 2400 0.1713 -
0.1376 2450 0.1589 -
0.1404 2500 0.1617 -
0.1432 2550 0.1759 -
0.1460 2600 0.1651 -
0.1488 2650 0.164 -
0.1516 2700 0.1666 -
0.1545 2750 0.1443 -
0.1573 2800 0.1656 -
0.1601 2850 0.1525 -
0.1629 2900 0.157 -
0.1657 2950 0.1525 -
0.1685 3000 0.1568 -
0.1713 3050 0.153 -
0.1741 3100 0.1546 -
0.1769 3150 0.1551 -
0.1797 3200 0.1606 -
0.1825 3250 0.1542 -
0.1853 3300 0.1508 -
0.1881 3350 0.1543 -
0.1910 3400 0.1451 -
0.1938 3450 0.1547 -
0.1966 3500 0.1602 -
0.1994 3550 0.1443 -
0.2022 3600 0.1534 -
0.2050 3650 0.1574 -
0.2078 3700 0.1428 -
0.2106 3750 0.1499 -
0.2134 3800 0.1495 -
0.2162 3850 0.1448 -
0.2190 3900 0.1494 -
0.2218 3950 0.1475 -
0.2247 4000 0.1499 -
0.2275 4050 0.1427 -
0.2303 4100 0.1508 -
0.2331 4150 0.1449 -
0.2359 4200 0.154 -
0.2387 4250 0.147 -
0.2415 4300 0.1454 -
0.2443 4350 0.1432 -
0.2471 4400 0.1425 -
0.2499 4450 0.1479 -
0.2527 4500 0.1486 -
0.2555 4550 0.1478 -
0.2584 4600 0.1444 -
0.2612 4650 0.1463 -
0.2640 4700 0.143 -
0.2668 4750 0.1518 -
0.2696 4800 0.1445 -
0.2724 4850 0.1571 -
0.2752 4900 0.151 -
0.2780 4950 0.1447 -
0.2808 5000 0.1438 -
0.2836 5050 0.1372 -
0.2864 5100 0.1385 -
0.2892 5150 0.1513 -
0.2921 5200 0.1347 -
0.2949 5250 0.1357 -
0.2977 5300 0.1435 -
0.3005 5350 0.1398 -
0.3033 5400 0.1391 -
0.3061 5450 0.1348 -
0.3089 5500 0.1456 -
0.3117 5550 0.1469 -
0.3145 5600 0.1342 -
0.3173 5650 0.1458 -
0.3201 5700 0.1308 -
0.3229 5750 0.1323 -
0.3258 5800 0.1263 -
0.3286 5850 0.1498 -
0.3314 5900 0.1422 -
0.3342 5950 0.1409 -
0.3370 6000 0.1439 -
0.3398 6050 0.1408 -
0.3426 6100 0.1407 -
0.3454 6150 0.1237 -
0.3482 6200 0.1365 -
0.3510 6250 0.1382 -
0.3538 6300 0.134 -
0.3566 6350 0.1289 -
0.3594 6400 0.1401 -
0.3623 6450 0.138 -
0.3651 6500 0.1358 -
0.3679 6550 0.1428 -
0.3707 6600 0.1325 -
0.3735 6650 0.1265 -
0.3763 6700 0.1329 -
0.3791 6750 0.1423 -
0.3819 6800 0.136 -
0.3847 6850 0.1205 -
0.3875 6900 0.1291 -
0.3903 6950 0.1305 -
0.3931 7000 0.1388 -
0.3960 7050 0.1322 -
0.3988 7100 0.1386 -
0.4016 7150 0.1248 -
0.4044 7200 0.1292 -
0.4072 7250 0.1424 -
0.4100 7300 0.1488 -
0.4128 7350 0.1177 -
0.4156 7400 0.1313 -
0.4184 7450 0.133 -
0.4212 7500 0.121 -
0.4240 7550 0.1347 -
0.4268 7600 0.1331 -
0.4297 7650 0.1103 -
0.4325 7700 0.1302 -
0.4353 7750 0.1202 -
0.4381 7800 0.1249 -
0.4409 7850 0.1256 -
0.4437 7900 0.1304 -
0.4465 7950 0.1383 -
0.4493 8000 0.1295 -
0.4521 8050 0.1323 -
0.4549 8100 0.1153 -
0.4577 8150 0.1299 -
0.4605 8200 0.1185 -
0.4634 8250 0.1277 -
0.4662 8300 0.1336 -
0.4690 8350 0.1294 -
0.4718 8400 0.1321 -
0.4746 8450 0.1174 -
0.4774 8500 0.1275 -
0.4802 8550 0.1371 -
0.4830 8600 0.1309 -
0.4858 8650 0.1259 -
0.4886 8700 0.1211 -
0.4914 8750 0.1231 -
0.4942 8800 0.131 -
0.4971 8850 0.1206 -
0.4999 8900 0.1196 -
0.5027 8950 0.1327 -
0.5055 9000 0.1135 -
0.5083 9050 0.1241 -
0.5111 9100 0.1291 -
0.5139 9150 0.124 -
0.5167 9200 0.119 -
0.5195 9250 0.1234 -
0.5223 9300 0.1216 -
0.5251 9350 0.1178 -
0.5279 9400 0.1345 -
0.5307 9450 0.1218 -
0.5336 9500 0.1249 -
0.5364 9550 0.13 -
0.5392 9600 0.1173 -
0.5420 9650 0.1205 -
0.5448 9700 0.109 -
0.5476 9750 0.1324 -
0.5504 9800 0.1169 -
0.5532 9850 0.1208 -
0.5560 9900 0.1175 -
0.5588 9950 0.1192 -
0.5616 10000 0.1156 -
0.5644 10050 0.1216 -
0.5673 10100 0.1225 -
0.5701 10150 0.1202 -
0.5729 10200 0.1215 -
0.5757 10250 0.1188 -
0.5785 10300 0.1148 -
0.5813 10350 0.1203 -
0.5841 10400 0.1215 -
0.5869 10450 0.1157 -
0.5897 10500 0.1175 -
0.5925 10550 0.1269 -
0.5953 10600 0.1117 -
0.5981 10650 0.1155 -
0.6010 10700 0.1195 -
0.6038 10750 0.1238 -
0.6066 10800 0.116 -
0.6094 10850 0.1311 -
0.6122 10900 0.1111 -
0.6150 10950 0.1111 -
0.6178 11000 0.1061 -
0.6206 11050 0.1295 -
0.6234 11100 0.1087 -
0.6262 11150 0.1127 -
0.6290 11200 0.1254 -
0.6318 11250 0.1198 -
0.6347 11300 0.1201 -
0.6375 11350 0.116 -
0.6403 11400 0.116 -
0.6431 11450 0.1104 -
0.6459 11500 0.1262 -
0.6487 11550 0.1047 -
0.6515 11600 0.1191 -
0.6543 11650 0.1044 -
0.6571 11700 0.1101 -
0.6599 11750 0.1097 -
0.6627 11800 0.1103 -
0.6655 11850 0.1176 -
0.6684 11900 0.1121 -
0.6712 11950 0.1225 -
0.6740 12000 0.1168 -
0.6768 12050 0.1165 -
0.6796 12100 0.1185 -
0.6824 12150 0.1053 -
0.6852 12200 0.1032 -
0.6880 12250 0.1073 -
0.6908 12300 0.1087 -
0.6936 12350 0.119 -
0.6964 12400 0.1289 -
0.6992 12450 0.1137 -
0.7020 12500 0.1139 -
0.7049 12550 0.117 -
0.7077 12600 0.1148 -
0.7105 12650 0.1243 -
0.7133 12700 0.1144 -
0.7161 12750 0.1296 -
0.7189 12800 0.1066 -
0.7217 12850 0.1048 -
0.7245 12900 0.1099 -
0.7273 12950 0.1177 -
0.7301 13000 0.1316 -
0.7329 13050 0.1195 -
0.7357 13100 0.123 -
0.7386 13150 0.1074 -
0.7414 13200 0.1157 -
0.7442 13250 0.0995 -
0.7470 13300 0.1221 -
0.7498 13350 0.1092 -
0.7526 13400 0.1125 -
0.7554 13450 0.114 -
0.7582 13500 0.0969 -
0.7610 13550 0.1108 -
0.7638 13600 0.1087 -
0.7666 13650 0.1 -
0.7694 13700 0.1138 -
0.7723 13750 0.1141 -
0.7751 13800 0.115 -
0.7779 13850 0.1035 -
0.7807 13900 0.1042 -
0.7835 13950 0.1028 -
0.7863 14000 0.113 -
0.7891 14050 0.104 -
0.7919 14100 0.1256 -
0.7947 14150 0.1089 -
0.7975 14200 0.1107 -
0.8003 14250 0.1196 -
0.8031 14300 0.1048 -
0.8060 14350 0.1066 -
0.8088 14400 0.1119 -
0.8116 14450 0.1121 -
0.8144 14500 0.1261 -
0.8172 14550 0.1012 -
0.8200 14600 0.1114 -
0.8228 14650 0.1065 -
0.8256 14700 0.116 -
0.8284 14750 0.1088 -
0.8312 14800 0.1052 -
0.8340 14850 0.1079 -
0.8368 14900 0.1086 -
0.8397 14950 0.1007 -
0.8425 15000 0.12 -
0.8453 15050 0.1213 -
0.8481 15100 0.1127 -
0.8509 15150 0.1095 -
0.8537 15200 0.1079 -
0.8565 15250 0.1095 -
0.8593 15300 0.1249 -
0.8621 15350 0.111 -
0.8649 15400 0.1003 -
0.8677 15450 0.1125 -
0.8705 15500 0.1104 -
0.8734 15550 0.1084 -
0.8762 15600 0.1162 -
0.8790 15650 0.1267 -
0.8818 15700 0.0976 -
0.8846 15750 0.1136 -
0.8874 15800 0.1075 -
0.8902 15850 0.1104 -
0.8930 15900 0.1073 -
0.8958 15950 0.1078 -
0.8986 16000 0.1063 -
0.9014 16050 0.111 -
0.9042 16100 0.1205 -
0.9070 16150 0.1057 -
0.9099 16200 0.1016 -
0.9127 16250 0.1028 -
0.9155 16300 0.1112 -
0.9183 16350 0.0959 -
0.9211 16400 0.1074 -
0.9239 16450 0.1111 -
0.9267 16500 0.1097 -
0.9295 16550 0.116 -
0.9323 16600 0.103 -
0.9351 16650 0.1173 -
0.9379 16700 0.1016 -
0.9407 16750 0.1016 -
0.9436 16800 0.0902 -
0.9464 16850 0.0955 -
0.9492 16900 0.1187 -
0.9520 16950 0.0978 -
0.9548 17000 0.0924 -
0.9576 17050 0.1111 -
0.9604 17100 0.1077 -
0.9632 17150 0.1079 -
0.9660 17200 0.1089 -
0.9688 17250 0.1036 -
0.9716 17300 0.1068 -
0.9744 17350 0.099 -
0.9773 17400 0.1072 -
0.9801 17450 0.105 -
0.9829 17500 0.1118 -
0.9857 17550 0.0996 -
0.9885 17600 0.1056 -
0.9913 17650 0.119 -
0.9941 17700 0.1021 -
0.9969 17750 0.0963 -
0.9997 17800 0.1098 -
1.0025 17850 0.1049 -
1.0053 17900 0.0917 -
1.0081 17950 0.1092 -
1.0110 18000 0.0955 -
1.0138 18050 0.0981 -
1.0166 18100 0.0939 -
1.0194 18150 0.1063 -
1.0222 18200 0.1022 -
1.0250 18250 0.1031 -
1.0278 18300 0.0919 -
1.0306 18350 0.1041 -
1.0334 18400 0.0939 -
1.0362 18450 0.0946 -
1.0390 18500 0.1013 -
1.0418 18550 0.0932 -
1.0447 18600 0.0895 -
1.0475 18650 0.1119 -
1.0503 18700 0.1003 -
1.0531 18750 0.0889 -
1.0559 18800 0.1052 -
1.0587 18850 0.0997 -
1.0615 18900 0.1003 -
1.0643 18950 0.1009 -
1.0671 19000 0.1079 -
1.0699 19050 0.1007 -
1.0727 19100 0.099 -
1.0755 19150 0.1031 -
1.0783 19200 0.1016 -
1.0812 19250 0.0953 -
1.0840 19300 0.0969 -
1.0868 19350 0.0995 -
1.0896 19400 0.0936 -
1.0924 19450 0.1008 -
1.0952 19500 0.0984 -
1.0980 19550 0.1075 -
1.1008 19600 0.0921 -
1.1036 19650 0.0894 -
1.1064 19700 0.097 -
1.1092 19750 0.0921 -
1.1120 19800 0.0914 -
1.1149 19850 0.0937 -
1.1177 19900 0.1036 -
1.1205 19950 0.1025 -
1.1233 20000 0.0959 -
1.1261 20050 0.0939 -
1.1289 20100 0.0965 -
1.1317 20150 0.0984 -
1.1345 20200 0.1001 -
1.1373 20250 0.1028 -
1.1401 20300 0.0872 -
1.1429 20350 0.1064 -
1.1457 20400 0.0897 -
1.1486 20450 0.1059 -
1.1514 20500 0.0862 -
1.1542 20550 0.1036 -
1.1570 20600 0.0923 -
1.1598 20650 0.1044 -
1.1626 20700 0.0978 -
1.1654 20750 0.0961 -
1.1682 20800 0.0985 -
1.1710 20850 0.0979 -
1.1738 20900 0.0902 -
1.1766 20950 0.0989 -
1.1794 21000 0.0893 -
1.1823 21050 0.1055 -
1.1851 21100 0.1058 -
1.1879 21150 0.0875 -
1.1907 21200 0.108 -
1.1935 21250 0.1086 -
1.1963 21300 0.1023 -
1.1991 21350 0.1107 -
1.2019 21400 0.0986 -
1.2047 21450 0.0887 -
1.2075 21500 0.0965 -
1.2103 21550 0.1021 -
1.2131 21600 0.0983 -
1.2160 21650 0.0934 -
1.2188 21700 0.1007 -
1.2216 21750 0.0985 -
1.2244 21800 0.0981 -
1.2272 21850 0.0973 -
1.2300 21900 0.1102 -
1.2328 21950 0.1068 -
1.2356 22000 0.105 -
1.2384 22050 0.1041 -
1.2412 22100 0.0972 -
1.2440 22150 0.1025 -
1.2468 22200 0.081 -
1.2496 22250 0.1077 -
1.2525 22300 0.0974 -
1.2553 22350 0.1014 -
1.2581 22400 0.0938 -
1.2609 22450 0.0831 -
1.2637 22500 0.0951 -
1.2665 22550 0.0976 -
1.2693 22600 0.0951 -
1.2721 22650 0.0898 -
1.2749 22700 0.1096 -
1.2777 22750 0.1007 -
1.2805 22800 0.0889 -
1.2833 22850 0.0899 -
1.2862 22900 0.0915 -
1.2890 22950 0.0973 -
1.2918 23000 0.105 -
1.2946 23050 0.0871 -
1.2974 23100 0.1048 -
1.3002 23150 0.0877 -
1.3030 23200 0.1 -
1.3058 23250 0.0968 -
1.3086 23300 0.0987 -
1.3114 23350 0.09 -
1.3142 23400 0.0866 -
1.3170 23450 0.0952 -
1.3199 23500 0.0921 -
1.3227 23550 0.103 -
1.3255 23600 0.0949 -
1.3283 23650 0.0898 -
1.3311 23700 0.0883 -
1.3339 23750 0.0909 -
1.3367 23800 0.089 -
1.3395 23850 0.0813 -
1.3423 23900 0.0922 -
1.3451 23950 0.1052 -
1.3479 24000 0.0775 -
1.3507 24050 0.0881 -
1.3536 24100 0.1088 -
1.3564 24150 0.0991 -
1.3592 24200 0.1037 -
1.3620 24250 0.0901 -
1.3648 24300 0.1028 -
1.3676 24350 0.0931 -
1.3704 24400 0.0956 -
1.3732 24450 0.0932 -
1.3760 24500 0.1085 -
1.3788 24550 0.0941 -
1.3816 24600 0.0987 -
1.3844 24650 0.0925 -
1.3873 24700 0.098 -
1.3901 24750 0.0964 -
1.3929 24800 0.0731 -
1.3957 24850 0.0945 -
1.3985 24900 0.0837 -
1.4013 24950 0.0948 -
1.4041 25000 0.084 -
1.4069 25050 0.0936 -
1.4097 25100 0.103 -
1.4125 25150 0.1004 -
1.4153 25200 0.0909 -
1.4181 25250 0.0867 -
1.4209 25300 0.0876 -
1.4238 25350 0.09 -
1.4266 25400 0.0894 -
1.4294 25450 0.0942 -
1.4322 25500 0.0994 -
1.4350 25550 0.0935 -
1.4378 25600 0.0908 -
1.4406 25650 0.0837 -
1.4434 25700 0.1017 -
1.4462 25750 0.0984 -
1.4490 25800 0.089 -
1.4518 25850 0.0869 -
1.4546 25900 0.0976 -
1.4575 25950 0.0985 -
1.4603 26000 0.095 -
1.4631 26050 0.0954 -
1.4659 26100 0.0824 -
1.4687 26150 0.0942 -
1.4715 26200 0.0936 -
1.4743 26250 0.0868 -
1.4771 26300 0.0985 -
1.4799 26350 0.0873 -
1.4827 26400 0.0891 -
1.4855 26450 0.09 -
1.4883 26500 0.0894 -
1.4912 26550 0.0892 -
1.4940 26600 0.1031 -
1.4968 26650 0.1042 -
1.4996 26700 0.092 -
1.5024 26750 0.0946 -
1.5052 26800 0.1001 -
1.5080 26850 0.0846 -
1.5108 26900 0.0911 -
1.5136 26950 0.0877 -
1.5164 27000 0.1035 -
1.5192 27050 0.0867 -
1.5220 27100 0.0805 -
1.5249 27150 0.0883 -
1.5277 27200 0.0865 -
1.5305 27250 0.1049 -
1.5333 27300 0.0917 -
1.5361 27350 0.0862 -
1.5389 27400 0.0998 -
1.5417 27450 0.097 -
1.5445 27500 0.0917 -
1.5473 27550 0.102 -
1.5501 27600 0.0816 -
1.5529 27650 0.1034 -
1.5557 27700 0.1033 -
1.5586 27750 0.0879 -
1.5614 27800 0.0996 -
1.5642 27850 0.0924 -
1.5670 27900 0.098 -
1.5698 27950 0.0926 -
1.5726 28000 0.0887 -
1.5754 28050 0.0964 -
1.5782 28100 0.094 -
1.5810 28150 0.0967 -
1.5838 28200 0.0884 -
1.5866 28250 0.079 -
1.5894 28300 0.1006 -
1.5922 28350 0.1012 -
1.5951 28400 0.0982 -
1.5979 28450 0.0984 -
1.6007 28500 0.0942 -
1.6035 28550 0.0963 -
1.6063 28600 0.0928 -
1.6091 28650 0.0758 -
1.6119 28700 0.0935 -
1.6147 28750 0.087 -
1.6175 28800 0.0885 -
1.6203 28850 0.0988 -
1.6231 28900 0.0925 -
1.6259 28950 0.0921 -
1.6288 29000 0.0889 -
1.6316 29050 0.0863 -
1.6344 29100 0.0897 -
1.6372 29150 0.1064 -
1.6400 29200 0.0833 -
1.6428 29250 0.083 -
1.6456 29300 0.0996 -
1.6484 29350 0.084 -
1.6512 29400 0.0977 -
1.6540 29450 0.1094 -
1.6568 29500 0.0848 -
1.6596 29550 0.1009 -
1.6625 29600 0.1066 -
1.6653 29650 0.08 -
1.6681 29700 0.0879 -
1.6709 29750 0.0895 -
1.6737 29800 0.1063 -
1.6765 29850 0.097 -
1.6793 29900 0.0858 -
1.6821 29950 0.0823 -
1.6849 30000 0.1079 -
1.6877 30050 0.1041 -
1.6905 30100 0.0833 -
1.6933 30150 0.091 -
1.6962 30200 0.0946 -
1.6990 30250 0.0884 -
1.7018 30300 0.0915 -
1.7046 30350 0.084 -
1.7074 30400 0.0907 -
1.7102 30450 0.089 -
1.7130 30500 0.0963 -
1.7158 30550 0.0977 -
1.7186 30600 0.092 -
1.7214 30650 0.0813 -
1.7242 30700 0.0797 -
1.7270 30750 0.086 -
1.7299 30800 0.0981 -
1.7327 30850 0.084 -
1.7355 30900 0.0827 -
1.7383 30950 0.1061 -
1.7411 31000 0.0801 -
1.7439 31050 0.0856 -
1.7467 31100 0.1078 -
1.7495 31150 0.0751 -
1.7523 31200 0.095 -
1.7551 31250 0.0935 -
1.7579 31300 0.0824 -
1.7607 31350 0.0974 -
1.7635 31400 0.085 -
1.7664 31450 0.0899 -
1.7692 31500 0.0773 -
1.7720 31550 0.0867 -
1.7748 31600 0.0874 -
1.7776 31650 0.0979 -
1.7804 31700 0.0898 -
1.7832 31750 0.0779 -
1.7860 31800 0.0815 -
1.7888 31850 0.0809 -
1.7916 31900 0.0873 -
1.7944 31950 0.0849 -
1.7972 32000 0.0878 -
1.8001 32050 0.082 -
1.8029 32100 0.0902 -
1.8057 32150 0.0862 -
1.8085 32200 0.0977 -
1.8113 32250 0.0901 -
1.8141 32300 0.0809 -
1.8169 32350 0.0983 -
1.8197 32400 0.0906 -
1.8225 32450 0.091 -
1.8253 32500 0.0944 -
1.8281 32550 0.0907 -
1.8309 32600 0.0906 -
1.8338 32650 0.0931 -
1.8366 32700 0.0902 -
1.8394 32750 0.0825 -
1.8422 32800 0.0971 -
1.8450 32850 0.0797 -
1.8478 32900 0.0843 -
1.8506 32950 0.0836 -
1.8534 33000 0.0862 -
1.8562 33050 0.0954 -
1.8590 33100 0.093 -
1.8618 33150 0.0912 -
1.8646 33200 0.1021 -
1.8675 33250 0.0853 -
1.8703 33300 0.1052 -
1.8731 33350 0.0973 -
1.8759 33400 0.0815 -
1.8787 33450 0.0885 -
1.8815 33500 0.0835 -
1.8843 33550 0.0932 -
1.8871 33600 0.0843 -
1.8899 33650 0.0989 -
1.8927 33700 0.0934 -
1.8955 33750 0.0907 -
1.8983 33800 0.0799 -
1.9012 33850 0.097 -
1.9040 33900 0.0841 -
1.9068 33950 0.0822 -
1.9096 34000 0.0814 -
1.9124 34050 0.0933 -
1.9152 34100 0.0952 -
1.9180 34150 0.0888 -
1.9208 34200 0.0891 -
1.9236 34250 0.0869 -
1.9264 34300 0.079 -
1.9292 34350 0.0913 -
1.9320 34400 0.0833 -
1.9348 34450 0.1031 -
1.9377 34500 0.0922 -
1.9405 34550 0.0831 -
1.9433 34600 0.1019 -
1.9461 34650 0.093 -
1.9489 34700 0.1037 -
1.9517 34750 0.0885 -
1.9545 34800 0.1016 -
1.9573 34850 0.0919 -
1.9601 34900 0.091 -
1.9629 34950 0.0881 -
1.9657 35000 0.0866 -
1.9685 35050 0.0853 -
1.9714 35100 0.0842 -
1.9742 35150 0.0785 -
1.9770 35200 0.0905 -
1.9798 35250 0.0959 -
1.9826 35300 0.1064 -
1.9854 35350 0.0931 -
1.9882 35400 0.0885 -
1.9910 35450 0.0921 -
1.9938 35500 0.0894 -
1.9966 35550 0.0962 -
1.9994 35600 0.0833 -

Framework Versions

  • Python: 3.12.12
  • SetFit: 1.1.3
  • Sentence Transformers: 5.1.2
  • Transformers: 4.57.1
  • PyTorch: 2.8.0+cu126
  • Datasets: 4.0.0
  • Tokenizers: 0.22.1

Citation

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}
}
Downloads last month
4
Safetensors
Model size
0.1B params
Tensor type
F32
·
Inference Providers NEW
Text Classification
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for faodl/model_cca_multilabel_granite107m-75max-data-augmented-labels-desc-v03

Base model

ibm-granite/granite-embedding-107m-multilingual
Finetuned
(5)
this model