Hugging Face's logo

misterclean
/
setfit-voice-intents

Text Classification
setfit
Safetensors
sentence-transformers
mpnet
generated_from_setfit_trainer
Model card Files Community

SetFit with sentence-transformers/paraphrase-mpnet-base-v2

This is a SetFit model that can be used for Text Classification. This SetFit model uses sentence-transformers/paraphrase-mpnet-base-v2 as the Sentence Transformer embedding model. A LogisticRegression 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

Model Labels

Label Examples
start_recording
  • 'Start recording the call now'
  • 'Can you begin recording?'
  • 'Record this for me'
stop_recording
  • 'Stop recording now'
  • 'You can end the recording'
  • 'Please turn off the recorder'
drop_call
  • 'End this call'
  • 'Hang up'
  • 'Can you disconnect me?'
text_todo
  • 'Send me my to-do list'
  • 'Can you text me my tasks?'
  • 'Message me the to-do items'

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("misterclean/setfit-voice-intents")
# Run inference
preds = model("Cease recording")

Training Details

Training Set Metrics

Training set Min Median Max
Word count 2 4.24 9
Label Training Sample Count
drop_call 25
start_recording 25
stop_recording 25
text_todo 25

Training Hyperparameters

  • batch_size: (8, 8)
  • num_epochs: (2, 2)
  • max_steps: -1
  • sampling_strategy: oversampling
  • num_iterations: 20
  • 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
0.002 1 0.2672 -
0.004 2 0.2533 -
0.006 3 0.1186 -
0.008 4 0.1028 -
0.01 5 0.1214 -
0.012 6 0.2007 -
0.014 7 0.2245 -
0.016 8 0.1345 -
0.018 9 0.2094 -
0.02 10 0.2212 -
0.022 11 0.1499 -
0.024 12 0.1341 -
0.026 13 0.1616 -
0.028 14 0.1658 -
0.03 15 0.137 -
0.032 16 0.1855 -
0.034 17 0.1227 -
0.036 18 0.1912 -
0.038 19 0.2001 -
0.04 20 0.2149 -
0.042 21 0.197 -
0.044 22 0.2105 -
0.046 23 0.2729 -
0.048 24 0.139 -
0.05 25 0.1532 -
0.052 26 0.1199 -
0.054 27 0.1852 -
0.056 28 0.1755 -
0.058 29 0.1333 -
0.06 30 0.1894 -
0.062 31 0.1704 -
0.064 32 0.1751 -
0.066 33 0.1368 -
0.068 34 0.1591 -
0.07 35 0.1848 -
0.072 36 0.1036 -
0.074 37 0.1271 -
0.076 38 0.137 -
0.078 39 0.1019 -
0.08 40 0.1473 -
0.082 41 0.1043 -
0.084 42 0.0856 -
0.086 43 0.1466 -
0.088 44 0.1049 -
0.09 45 0.1739 -
0.092 46 0.087 -
0.094 47 0.1241 -
0.096 48 0.0857 -
0.098 49 0.1108 -
0.1 50 0.0906 -
0.102 51 0.085 -
0.104 52 0.0843 -
0.106 53 0.1329 -
0.108 54 0.0949 -
0.11 55 0.0911 -
0.112 56 0.0461 -
0.114 57 0.0562 -
0.116 58 0.0769 -
0.118 59 0.0935 -
0.12 60 0.0569 -
0.122 61 0.0663 -
0.124 62 0.0593 -
0.126 63 0.1092 -
0.128 64 0.0814 -
0.13 65 0.0435 -
0.132 66 0.0643 -
0.134 67 0.0398 -
0.136 68 0.0671 -
0.138 69 0.0606 -
0.14 70 0.0716 -
0.142 71 0.0577 -
0.144 72 0.0215 -
0.146 73 0.0439 -
0.148 74 0.0799 -
0.15 75 0.0201 -
0.152 76 0.0418 -
0.154 77 0.0167 -
0.156 78 0.0754 -
0.158 79 0.0247 -
0.16 80 0.0421 -
0.162 81 0.0256 -
0.164 82 0.0331 -
0.166 83 0.0309 -
0.168 84 0.0293 -
0.17 85 0.0186 -
0.172 86 0.0256 -
0.174 87 0.0269 -
0.176 88 0.0226 -
0.178 89 0.025 -
0.18 90 0.0124 -
0.182 91 0.0239 -
0.184 92 0.0076 -
0.186 93 0.0212 -
0.188 94 0.0188 -
0.19 95 0.0154 -
0.192 96 0.0141 -
0.194 97 0.0178 -
0.196 98 0.006 -
0.198 99 0.008 -
0.2 100 0.0119 -
0.202 101 0.0094 -
0.204 102 0.0129 -
0.206 103 0.0073 -
0.208 104 0.007 -
0.21 105 0.0057 -
0.212 106 0.0023 -
0.214 107 0.0038 -
0.216 108 0.0108 -
0.218 109 0.0037 -
0.22 110 0.0045 -
0.222 111 0.007 -
0.224 112 0.003 -
0.226 113 0.0035 -
0.228 114 0.0057 -
0.23 115 0.0065 -
0.232 116 0.0073 -
0.234 117 0.0051 -
0.236 118 0.0023 -
0.238 119 0.0058 -
0.24 120 0.0048 -
0.242 121 0.0035 -
0.244 122 0.0046 -
0.246 123 0.0022 -
0.248 124 0.002 -
0.25 125 0.0026 -
0.252 126 0.0022 -
0.254 127 0.0029 -
0.256 128 0.0019 -
0.258 129 0.0031 -
0.26 130 0.0038 -
0.262 131 0.0029 -
0.264 132 0.0019 -
0.266 133 0.0039 -
0.268 134 0.0018 -
0.27 135 0.0015 -
0.272 136 0.0028 -
0.274 137 0.0021 -
0.276 138 0.0029 -
0.278 139 0.0026 -
0.28 140 0.0022 -
0.282 141 0.0012 -
0.284 142 0.0021 -
0.286 143 0.0015 -
0.288 144 0.0019 -
0.29 145 0.002 -
0.292 146 0.0027 -
0.294 147 0.0016 -
0.296 148 0.0009 -
0.298 149 0.0021 -
0.3 150 0.0018 -
0.302 151 0.0018 -
0.304 152 0.0015 -
0.306 153 0.0037 -
0.308 154 0.0034 -
0.31 155 0.001 -
0.312 156 0.002 -
0.314 157 0.0006 -
0.316 158 0.0013 -
0.318 159 0.002 -
0.32 160 0.0017 -
0.322 161 0.0011 -
0.324 162 0.0023 -
0.326 163 0.0024 -
0.328 164 0.0005 -
0.33 165 0.0014 -
0.332 166 0.0012 -
0.334 167 0.0015 -
0.336 168 0.0014 -
0.338 169 0.0008 -
0.34 170 0.0007 -
0.342 171 0.0018 -
0.344 172 0.0011 -
0.346 173 0.0011 -
0.348 174 0.0012 -
0.35 175 0.0018 -
0.352 176 0.0009 -
0.354 177 0.0004 -
0.356 178 0.0015 -
0.358 179 0.0022 -
0.36 180 0.0012 -
0.362 181 0.0018 -
0.364 182 0.0007 -
0.366 183 0.0011 -
0.368 184 0.0012 -
0.37 185 0.0011 -
0.372 186 0.002 -
0.374 187 0.0019 -
0.376 188 0.0013 -
0.378 189 0.0009 -
0.38 190 0.0013 -
0.382 191 0.001 -
0.384 192 0.0011 -
0.386 193 0.0017 -
0.388 194 0.001 -
0.39 195 0.0019 -
0.392 196 0.0013 -
0.394 197 0.0013 -
0.396 198 0.0016 -
0.398 199 0.0016 -
0.4 200 0.0011 -
0.402 201 0.0014 -
0.404 202 0.0019 -
0.406 203 0.0015 -
0.408 204 0.0007 -
0.41 205 0.0031 -
0.412 206 0.0013 -
0.414 207 0.001 -
0.416 208 0.0026 -
0.418 209 0.0012 -
0.42 210 0.0017 -
0.422 211 0.0021 -
0.424 212 0.0013 -
0.426 213 0.0013 -
0.428 214 0.0014 -
0.43 215 0.0013 -
0.432 216 0.0015 -
0.434 217 0.001 -
0.436 218 0.0027 -
0.438 219 0.0023 -
0.44 220 0.0017 -
0.442 221 0.0031 -
0.444 222 0.0011 -
0.446 223 0.0008 -
0.448 224 0.0012 -
0.45 225 0.0009 -
0.452 226 0.0013 -
0.454 227 0.0026 -
0.456 228 0.0021 -
0.458 229 0.0013 -
0.46 230 0.0013 -
0.462 231 0.0016 -
0.464 232 0.0017 -
0.466 233 0.0006 -
0.468 234 0.0017 -
0.47 235 0.0011 -
0.472 236 0.0014 -
0.474 237 0.0012 -
0.476 238 0.0005 -
0.478 239 0.0007 -
0.48 240 0.0017 -
0.482 241 0.001 -
0.484 242 0.0007 -
0.486 243 0.0007 -
0.488 244 0.0011 -
0.49 245 0.0014 -
0.492 246 0.0007 -
0.494 247 0.0006 -
0.496 248 0.0016 -
0.498 249 0.0013 -
0.5 250 0.0013 -
0.502 251 0.0009 -
0.504 252 0.0005 -
0.506 253 0.001 -
0.508 254 0.0011 -
0.51 255 0.0014 -
0.512 256 0.0009 -
0.514 257 0.0014 -
0.516 258 0.0014 -
0.518 259 0.0013 -
0.52 260 0.001 -
0.522 261 0.001 -
0.524 262 0.001 -
0.526 263 0.001 -
0.528 264 0.0018 -
0.53 265 0.0015 -
0.532 266 0.0009 -
0.534 267 0.0012 -
0.536 268 0.0014 -
0.538 269 0.0009 -
0.54 270 0.0009 -
0.542 271 0.0007 -
0.544 272 0.0015 -
0.546 273 0.0011 -
0.548 274 0.0007 -
0.55 275 0.0013 -
0.552 276 0.0013 -
0.554 277 0.0016 -
0.556 278 0.0011 -
0.558 279 0.0013 -
0.56 280 0.001 -
0.562 281 0.0008 -
0.564 282 0.0012 -
0.566 283 0.0012 -
0.568 284 0.001 -
0.57 285 0.0006 -
0.572 286 0.0005 -
0.574 287 0.0005 -
0.576 288 0.0018 -
0.578 289 0.0011 -
0.58 290 0.0008 -
0.582 291 0.0013 -
0.584 292 0.0008 -
0.586 293 0.0012 -
0.588 294 0.0007 -
0.59 295 0.0004 -
0.592 296 0.0009 -
0.594 297 0.0018 -
0.596 298 0.0006 -
0.598 299 0.0005 -
0.6 300 0.0008 -
0.602 301 0.0008 -
0.604 302 0.0008 -
0.606 303 0.0029 -
0.608 304 0.0007 -
0.61 305 0.001 -
0.612 306 0.0011 -
0.614 307 0.0008 -
0.616 308 0.0009 -
0.618 309 0.0006 -
0.62 310 0.0008 -
0.622 311 0.0009 -
0.624 312 0.0012 -
0.626 313 0.0008 -
0.628 314 0.0009 -
0.63 315 0.0008 -
0.632 316 0.0011 -
0.634 317 0.0004 -
0.636 318 0.001 -
0.638 319 0.0003 -
0.64 320 0.0006 -
0.642 321 0.0009 -
0.644 322 0.0005 -
0.646 323 0.0009 -
0.648 324 0.0017 -
0.65 325 0.0011 -
0.652 326 0.0009 -
0.654 327 0.0008 -
0.656 328 0.0009 -
0.658 329 0.0007 -
0.66 330 0.0005 -
0.662 331 0.0006 -
0.664 332 0.001 -
0.666 333 0.0012 -
0.668 334 0.0013 -
0.67 335 0.001 -
0.672 336 0.0008 -
0.674 337 0.0006 -
0.676 338 0.0005 -
0.678 339 0.001 -
0.68 340 0.0005 -
0.682 341 0.0008 -
0.684 342 0.0006 -
0.686 343 0.0009 -
0.688 344 0.0003 -
0.69 345 0.0011 -
0.692 346 0.0004 -
0.694 347 0.0007 -
0.696 348 0.001 -
0.698 349 0.0008 -
0.7 350 0.0006 -
0.702 351 0.0014 -
0.704 352 0.0009 -
0.706 353 0.0007 -
0.708 354 0.0004 -
0.71 355 0.0009 -
0.712 356 0.0004 -
0.714 357 0.001 -
0.716 358 0.0009 -
0.718 359 0.0009 -
0.72 360 0.0006 -
0.722 361 0.0005 -
0.724 362 0.001 -
0.726 363 0.0011 -
0.728 364 0.0011 -
0.73 365 0.0005 -
0.732 366 0.0046 -
0.734 367 0.0008 -
0.736 368 0.0007 -
0.738 369 0.0004 -
0.74 370 0.0007 -
0.742 371 0.0005 -
0.744 372 0.001 -
0.746 373 0.0016 -
0.748 374 0.0006 -
0.75 375 0.0006 -
0.752 376 0.0006 -
0.754 377 0.0003 -
0.756 378 0.0008 -
0.758 379 0.0007 -
0.76 380 0.0008 -
0.762 381 0.0013 -
0.764 382 0.0006 -
0.766 383 0.0005 -
0.768 384 0.0007 -
0.77 385 0.0006 -
0.772 386 0.0008 -
0.774 387 0.0008 -
0.776 388 0.0013 -
0.778 389 0.0007 -
0.78 390 0.0004 -
0.782 391 0.0007 -
0.784 392 0.0006 -
0.786 393 0.0007 -
0.788 394 0.0006 -
0.79 395 0.0007 -
0.792 396 0.0005 -
0.794 397 0.0008 -
0.796 398 0.0008 -
0.798 399 0.0009 -
0.8 400 0.0008 -
0.802 401 0.001 -
0.804 402 0.0007 -
0.806 403 0.0007 -
0.808 404 0.0006 -
0.81 405 0.0008 -
0.812 406 0.0009 -
0.814 407 0.0008 -
0.816 408 0.0005 -
0.818 409 0.0008 -
0.82 410 0.0006 -
0.822 411 0.0005 -
0.824 412 0.0011 -
0.826 413 0.0009 -
0.828 414 0.001 -
0.83 415 0.0008 -
0.832 416 0.0005 -
0.834 417 0.001 -
0.836 418 0.0003 -
0.838 419 0.0005 -
0.84 420 0.0005 -
0.842 421 0.0005 -
0.844 422 0.0005 -
0.846 423 0.0005 -
0.848 424 0.0004 -
0.85 425 0.0009 -
0.852 426 0.0006 -
0.854 427 0.0008 -
0.856 428 0.0004 -
0.858 429 0.0009 -
0.86 430 0.0002 -
0.862 431 0.0012 -
0.864 432 0.0008 -
0.866 433 0.0005 -
0.868 434 0.0007 -
0.87 435 0.0006 -
0.872 436 0.001 -
0.874 437 0.0008 -
0.876 438 0.0009 -
0.878 439 0.0005 -
0.88 440 0.0009 -
0.882 441 0.0007 -
0.884 442 0.001 -
0.886 443 0.0008 -
0.888 444 0.0006 -
0.89 445 0.0008 -
0.892 446 0.001 -
0.894 447 0.0011 -
0.896 448 0.0005 -
0.898 449 0.0005 -
0.9 450 0.0008 -
0.902 451 0.0007 -
0.904 452 0.0004 -
0.906 453 0.0006 -
0.908 454 0.001 -
0.91 455 0.0007 -
0.912 456 0.0005 -
0.914 457 0.0007 -
0.916 458 0.0005 -
0.918 459 0.0005 -
0.92 460 0.0006 -
0.922 461 0.0004 -
0.924 462 0.0007 -
0.926 463 0.0005 -
0.928 464 0.0007 -
0.93 465 0.0003 -
0.932 466 0.0006 -
0.934 467 0.0003 -
0.936 468 0.0005 -
0.938 469 0.0006 -
0.94 470 0.0005 -
0.942 471 0.0006 -
0.944 472 0.0006 -
0.946 473 0.0005 -
0.948 474 0.0005 -
0.95 475 0.0009 -
0.952 476 0.0004 -
0.954 477 0.0007 -
0.956 478 0.0006 -
0.958 479 0.0008 -
0.96 480 0.0003 -
0.962 481 0.0007 -
0.964 482 0.0005 -
0.966 483 0.0007 -
0.968 484 0.0007 -
0.97 485 0.0006 -
0.972 486 0.0004 -
0.974 487 0.0005 -
0.976 488 0.0005 -
0.978 489 0.0005 -
0.98 490 0.0007 -
0.982 491 0.0006 -
0.984 492 0.0005 -
0.986 493 0.0005 -
0.988 494 0.0006 -
0.99 495 0.001 -
0.992 496 0.0006 -
0.994 497 0.0011 -
0.996 498 0.0007 -
0.998 499 0.0003 -
1.0 500 0.0006 -
1.002 501 0.0003 -
1.004 502 0.0007 -
1.006 503 0.0006 -
1.008 504 0.0003 -
1.01 505 0.0005 -
1.012 506 0.0005 -
1.014 507 0.0004 -
1.016 508 0.0007 -
1.018 509 0.0005 -
1.02 510 0.0008 -
1.022 511 0.0004 -
1.024 512 0.0008 -
1.026 513 0.0007 -
1.028 514 0.0007 -
1.03 515 0.0005 -
1.032 516 0.0008 -
1.034 517 0.0006 -
1.036 518 0.0005 -
1.038 519 0.0005 -
1.04 520 0.0005 -
1.042 521 0.0007 -
1.044 522 0.0004 -
1.046 523 0.001 -
1.048 524 0.0003 -
1.05 525 0.0007 -
1.052 526 0.0004 -
1.054 527 0.0003 -
1.056 528 0.0007 -
1.058 529 0.0002 -
1.06 530 0.0007 -
1.062 531 0.0011 -
1.064 532 0.0007 -
1.066 533 0.0006 -
1.068 534 0.0005 -
1.07 535 0.0004 -
1.072 536 0.0006 -
1.074 537 0.0005 -
1.076 538 0.0005 -
1.078 539 0.0006 -
1.08 540 0.0007 -
1.082 541 0.0006 -
1.084 542 0.0006 -
1.086 543 0.0002 -
1.088 544 0.0005 -
1.09 545 0.0007 -
1.092 546 0.0009 -
1.094 547 0.0007 -
1.096 548 0.0007 -
1.098 549 0.0003 -
1.1 550 0.0004 -
1.102 551 0.0006 -
1.104 552 0.0003 -
1.106 553 0.0005 -
1.108 554 0.0003 -
1.11 555 0.0004 -
1.112 556 0.0006 -
1.114 557 0.0006 -
1.116 558 0.0008 -
1.1180 559 0.0004 -
1.12 560 0.0006 -
1.1220 561 0.0005 -
1.124 562 0.0003 -
1.126 563 0.0007 -
1.1280 564 0.0008 -
1.13 565 0.0006 -
1.1320 566 0.0004 -
1.134 567 0.0007 -
1.1360 568 0.0004 -
1.138 569 0.0005 -
1.1400 570 0.0004 -
1.142 571 0.0005 -
1.144 572 0.0003 -
1.146 573 0.0006 -
1.148 574 0.0005 -
1.15 575 0.0009 -
1.152 576 0.0007 -
1.154 577 0.0004 -
1.156 578 0.0008 -
1.158 579 0.0005 -
1.16 580 0.0004 -
1.162 581 0.0005 -
1.164 582 0.0003 -
1.166 583 0.0005 -
1.168 584 0.0004 -
1.17 585 0.0007 -
1.172 586 0.0006 -
1.174 587 0.0005 -
1.176 588 0.0003 -
1.178 589 0.0006 -
1.18 590 0.0006 -
1.182 591 0.0006 -
1.184 592 0.0005 -
1.186 593 0.0004 -
1.188 594 0.0004 -
1.19 595 0.0004 -
1.192 596 0.0002 -
1.194 597 0.0005 -
1.196 598 0.0003 -
1.198 599 0.0005 -
1.2 600 0.0003 -
1.202 601 0.0006 -
1.204 602 0.0007 -
1.206 603 0.0007 -
1.208 604 0.0004 -
1.21 605 0.0008 -
1.212 606 0.0006 -
1.214 607 0.0006 -
1.216 608 0.0004 -
1.218 609 0.0006 -
1.22 610 0.0007 -
1.222 611 0.0006 -
1.224 612 0.0006 -
1.226 613 0.0005 -
1.228 614 0.0005 -
1.23 615 0.0007 -
1.232 616 0.0004 -
1.234 617 0.0008 -
1.236 618 0.0008 -
1.238 619 0.0006 -
1.24 620 0.0006 -
1.242 621 0.0005 -
1.244 622 0.0005 -
1.246 623 0.0003 -
1.248 624 0.0004 -
1.25 625 0.0006 -
1.252 626 0.0005 -
1.254 627 0.0004 -
1.256 628 0.0005 -
1.258 629 0.0004 -
1.26 630 0.0006 -
1.262 631 0.0006 -
1.264 632 0.0007 -
1.266 633 0.0003 -
1.268 634 0.0006 -
1.27 635 0.0006 -
1.272 636 0.0006 -
1.274 637 0.0005 -
1.276 638 0.0007 -
1.278 639 0.0004 -
1.28 640 0.0006 -
1.282 641 0.0006 -
1.284 642 0.0005 -
1.286 643 0.0005 -
1.288 644 0.0006 -
1.29 645 0.0005 -
1.292 646 0.0005 -
1.294 647 0.0002 -
1.296 648 0.0004 -
1.298 649 0.0006 -
1.3 650 0.0004 -
1.302 651 0.0002 -
1.304 652 0.0006 -
1.306 653 0.0005 -
1.308 654 0.0002 -
1.31 655 0.0005 -
1.312 656 0.0005 -
1.314 657 0.0005 -
1.316 658 0.0007 -
1.318 659 0.0007 -
1.32 660 0.0004 -
1.322 661 0.0008 -
1.324 662 0.0005 -
1.326 663 0.0005 -
1.328 664 0.0005 -
1.33 665 0.0005 -
1.332 666 0.0003 -
1.334 667 0.0006 -
1.336 668 0.0004 -
1.338 669 0.0007 -
1.34 670 0.0004 -
1.342 671 0.0005 -
1.3440 672 0.0002 -
1.346 673 0.0005 -
1.3480 674 0.0005 -
1.35 675 0.0005 -
1.3520 676 0.0004 -
1.354 677 0.0004 -
1.3560 678 0.001 -
1.358 679 0.0005 -
1.3600 680 0.0004 -
1.362 681 0.0003 -
1.3640 682 0.0006 -
1.366 683 0.0003 -
1.3680 684 0.0004 -
1.37 685 0.0006 -
1.3720 686 0.0005 -
1.374 687 0.0015 -
1.376 688 0.0007 -
1.3780 689 0.0006 -
1.38 690 0.0007 -
1.3820 691 0.0009 -
1.384 692 0.0003 -
1.3860 693 0.0005 -
1.388 694 0.0003 -
1.3900 695 0.0005 -
1.392 696 0.0004 -
1.3940 697 0.0005 -
1.396 698 0.0006 -
1.3980 699 0.0006 -
1.4 700 0.0002 -
1.4020 701 0.0005 -
1.404 702 0.0007 -
1.4060 703 0.0003 -
1.408 704 0.0005 -
1.41 705 0.0005 -
1.412 706 0.0006 -
1.414 707 0.0004 -
1.416 708 0.0008 -
1.418 709 0.0003 -
1.42 710 0.0007 -
1.422 711 0.0007 -
1.424 712 0.0005 -
1.426 713 0.0005 -
1.428 714 0.0009 -
1.43 715 0.0009 -
1.432 716 0.0005 -
1.434 717 0.0004 -
1.436 718 0.0005 -
1.438 719 0.0005 -
1.44 720 0.0005 -
1.442 721 0.0003 -
1.444 722 0.0004 -
1.446 723 0.0005 -
1.448 724 0.0004 -
1.45 725 0.0007 -
1.452 726 0.0007 -
1.454 727 0.0004 -
1.456 728 0.0004 -
1.458 729 0.0003 -
1.46 730 0.0002 -
1.462 731 0.0004 -
1.464 732 0.0002 -
1.466 733 0.0005 -
1.468 734 0.0004 -
1.47 735 0.0004 -
1.472 736 0.0007 -
1.474 737 0.0005 -
1.476 738 0.0008 -
1.478 739 0.0003 -
1.48 740 0.0005 -
1.482 741 0.0004 -
1.484 742 0.0003 -
1.486 743 0.0003 -
1.488 744 0.0004 -
1.49 745 0.0004 -
1.492 746 0.0006 -
1.494 747 0.0003 -
1.496 748 0.0004 -
1.498 749 0.0005 -
1.5 750 0.0004 -
1.502 751 0.0005 -
1.504 752 0.0004 -
1.506 753 0.0008 -
1.508 754 0.0003 -
1.51 755 0.0006 -
1.512 756 0.0004 -
1.514 757 0.0004 -
1.516 758 0.0005 -
1.518 759 0.0004 -
1.52 760 0.0002 -
1.522 761 0.0003 -
1.524 762 0.0003 -
1.526 763 0.0004 -
1.528 764 0.0005 -
1.53 765 0.0004 -
1.532 766 0.001 -
1.534 767 0.0002 -
1.536 768 0.0004 -
1.538 769 0.0003 -
1.54 770 0.0004 -
1.542 771 0.0006 -
1.544 772 0.0001 -
1.546 773 0.0005 -
1.548 774 0.0005 -
1.55 775 0.0004 -
1.552 776 0.0005 -
1.554 777 0.0005 -
1.556 778 0.0005 -
1.558 779 0.0007 -
1.56 780 0.0005 -
1.562 781 0.0003 -
1.564 782 0.0007 -
1.5660 783 0.0004 -
1.568 784 0.0004 -
1.5700 785 0.0007 -
1.572 786 0.0004 -
1.5740 787 0.0005 -
1.576 788 0.0002 -
1.5780 789 0.0004 -
1.58 790 0.0006 -
1.5820 791 0.0003 -
1.584 792 0.0004 -
1.5860 793 0.0004 -
1.588 794 0.0007 -
1.5900 795 0.0005 -
1.592 796 0.0004 -
1.5940 797 0.0002 -
1.596 798 0.0005 -
1.5980 799 0.0004 -
1.6 800 0.0002 -
1.6020 801 0.0005 -
1.604 802 0.0005 -
1.6060 803 0.0002 -
1.608 804 0.0004 -
1.6100 805 0.0009 -
1.612 806 0.0002 -
1.6140 807 0.0005 -
1.616 808 0.0006 -
1.6180 809 0.0005 -
1.62 810 0.0006 -
1.6220 811 0.0004 -
1.624 812 0.0002 -
1.626 813 0.0006 -
1.6280 814 0.0004 -
1.63 815 0.0005 -
1.6320 816 0.0005 -
1.634 817 0.0005 -
1.6360 818 0.0005 -
1.638 819 0.0003 -
1.6400 820 0.0003 -
1.642 821 0.0005 -
1.6440 822 0.0006 -
1.646 823 0.0005 -
1.6480 824 0.0005 -
1.65 825 0.0003 -
1.6520 826 0.0006 -
1.654 827 0.0003 -
1.6560 828 0.0006 -
1.658 829 0.0005 -
1.6600 830 0.0004 -
1.662 831 0.0006 -
1.6640 832 0.0005 -
1.666 833 0.0007 -
1.6680 834 0.0005 -
1.67 835 0.0004 -
1.6720 836 0.0005 -
1.674 837 0.0003 -
1.6760 838 0.0006 -
1.678 839 0.0004 -
1.6800 840 0.0002 -
1.682 841 0.0005 -
1.6840 842 0.0003 -
1.686 843 0.0004 -
1.688 844 0.0005 -
1.69 845 0.0005 -
1.692 846 0.0003 -
1.694 847 0.0004 -
1.696 848 0.0004 -
1.698 849 0.0004 -
1.7 850 0.0003 -
1.702 851 0.0003 -
1.704 852 0.0004 -
1.706 853 0.0005 -
1.708 854 0.0005 -
1.71 855 0.0004 -
1.712 856 0.0004 -
1.714 857 0.0003 -
1.716 858 0.0005 -
1.718 859 0.0004 -
1.72 860 0.0006 -
1.722 861 0.0006 -
1.724 862 0.0003 -
1.726 863 0.0002 -
1.728 864 0.0004 -
1.73 865 0.0002 -
1.732 866 0.0002 -
1.734 867 0.0001 -
1.736 868 0.0003 -
1.738 869 0.0003 -
1.74 870 0.0003 -
1.742 871 0.0002 -
1.744 872 0.0004 -
1.746 873 0.0003 -
1.748 874 0.0004 -
1.75 875 0.0007 -
1.752 876 0.0005 -
1.754 877 0.0005 -
1.756 878 0.0002 -
1.758 879 0.0003 -
1.76 880 0.0003 -
1.762 881 0.0005 -
1.764 882 0.0002 -
1.766 883 0.0003 -
1.768 884 0.0003 -
1.77 885 0.0001 -
1.772 886 0.0005 -
1.774 887 0.0004 -
1.776 888 0.0006 -
1.778 889 0.0002 -
1.78 890 0.0002 -
1.782 891 0.0004 -
1.784 892 0.0005 -
1.786 893 0.0006 -
1.788 894 0.0004 -
1.79 895 0.0003 -
1.792 896 0.0004 -
1.794 897 0.0006 -
1.796 898 0.0005 -
1.798 899 0.0003 -
1.8 900 0.0003 -
1.802 901 0.0004 -
1.804 902 0.0005 -
1.806 903 0.0003 -
1.808 904 0.0005 -
1.81 905 0.0007 -
1.812 906 0.0005 -
1.814 907 0.0004 -
1.8160 908 0.0005 -
1.818 909 0.0005 -
1.8200 910 0.0004 -
1.822 911 0.0004 -
1.8240 912 0.0003 -
1.826 913 0.0005 -
1.8280 914 0.0006 -
1.83 915 0.0004 -
1.8320 916 0.0003 -
1.834 917 0.0006 -
1.8360 918 0.0004 -
1.838 919 0.0004 -
1.8400 920 0.0004 -
1.842 921 0.0003 -
1.8440 922 0.0003 -
1.846 923 0.0004 -
1.8480 924 0.0007 -
1.85 925 0.0002 -
1.8520 926 0.0006 -
1.854 927 0.0004 -
1.8560 928 0.0004 -
1.858 929 0.0004 -
1.8600 930 0.0004 -
1.862 931 0.0002 -
1.8640 932 0.0004 -
1.866 933 0.0006 -
1.8680 934 0.0006 -
1.87 935 0.0004 -
1.8720 936 0.0003 -
1.874 937 0.0007 -
1.876 938 0.0005 -
1.8780 939 0.0004 -
1.88 940 0.0003 -
1.8820 941 0.0006 -
1.884 942 0.0002 -
1.8860 943 0.0006 -
1.888 944 0.0004 -
1.8900 945 0.0005 -
1.892 946 0.0004 -
1.8940 947 0.0004 -
1.896 948 0.0006 -
1.8980 949 0.0005 -
1.9 950 0.0007 -
1.9020 951 0.0007 -
1.904 952 0.0007 -
1.9060 953 0.0004 -
1.908 954 0.0006 -
1.9100 955 0.0004 -
1.912 956 0.0003 -
1.9140 957 0.0002 -
1.916 958 0.0004 -
1.9180 959 0.0005 -
1.92 960 0.0005 -
1.9220 961 0.0005 -
1.924 962 0.0004 -
1.9260 963 0.0006 -
1.928 964 0.0009 -
1.9300 965 0.0005 -
1.932 966 0.0004 -
1.9340 967 0.0004 -
1.936 968 0.0006 -
1.938 969 0.0005 -
1.94 970 0.0006 -
1.942 971 0.0006 -
1.944 972 0.0003 -
1.946 973 0.0005 -
1.948 974 0.0004 -
1.95 975 0.0004 -
1.952 976 0.0003 -
1.954 977 0.0005 -
1.956 978 0.0004 -
1.958 979 0.0002 -
1.96 980 0.0003 -
1.962 981 0.0005 -
1.964 982 0.0004 -
1.966 983 0.0004 -
1.968 984 0.0002 -
1.97 985 0.0007 -
1.972 986 0.0005 -
1.974 987 0.0005 -
1.976 988 0.0006 -
1.978 989 0.0007 -
1.98 990 0.0006 -
1.982 991 0.0003 -
1.984 992 0.0004 -
1.986 993 0.0002 -
1.988 994 0.0006 -
1.99 995 0.0002 -
1.992 996 0.0005 -
1.994 997 0.0004 -
1.996 998 0.0004 -
1.998 999 0.0005 -
2.0 1000 0.0006 -

Framework Versions

  • Python: 3.11.12
  • SetFit: 1.1.2
  • Sentence Transformers: 3.4.1
  • Transformers: 4.51.3
  • PyTorch: 2.6.0+cu124
  • Datasets: 3.5.0
  • Tokenizers: 0.21.1

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
10
Safetensors
Model size
109M 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 misterclean/setfit-voice-intents

Base model

sentence-transformers/paraphrase-mpnet-base-v2
Finetuned
(298)
this model