amd-power-dialer-v1

amd-power-dialer-v1项目介绍

项目概述

amd-power-dialer-v1是一个专门用于文本分类的模型，被归类为SetFit模型。该模型采用了一种高效的少样本学习技术，通过以下步骤进行训练：

1. 使用对比学习对句子变换器（Sentence Transformer）进行微调。
2. 使用从微调后的句子变换器中提取的特征来训练分类头。

该技术的优点在于，能够在有限的样本条件下，最大化地提高模型的文本分类能力，极大地降低了对大规模训练数据的依赖。

使用方法

要使用amd-power-dialer-v1模型进行推理，用户首先需要安装SetFit库。这可以通过以下命令完成：

python -m pip install setfit

安装完成后，就可以按照如下步骤进行推理：

from setfit import SetFitModel

# 从Hub下载模型并进行推理
model = SetFitModel.from_pretrained("nikcheerla/amd-power-dialer-v1")
# 执行推理并获得预测结果
preds = model(["i loved the spiderman movie!", "pineapple on pizza is the worst 🤮"])

通过上述代码示例，用户可以轻松地获取文本的分类结果，例如，判断一段评论是正面的还是负面的。

引用信息

对于希望引用该模型的用户，可以参考以下BibTeX条目：

@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}
}

该引用文献详细介绍了模型背景及其在少样本学习中的应用，为进一步的学术研究和实践提供了有力的支持。