首页
/ SetFit项目v1.1.1版本发布:支持ModernBERT与训练报告优化

SetFit项目v1.1.1版本发布:支持ModernBERT与训练报告优化

2025-06-19 21:33:02作者:裴锟轩Denise

SetFit是一个基于Sentence Transformers的轻量级文本分类框架,它通过对比学习的方式在小样本场景下表现出色。该项目由Hugging Face团队维护,旨在为NLP开发者提供一个高效、易用的文本分类解决方案。

版本亮点

SetFit v1.1.1版本带来了两个重要的改进,这些改进显著提升了框架的实用性和兼容性。

1. 兼容ModernBERT等最新Transformer模型

本次更新最重要的特性是增加了对transformers库v4.45.2及以上版本的支持,包括最新的ModernBERT模型(如nomic-ai/modernbert-embed-base)。ModernBERT是一种改进的BERT架构,在嵌入表示和微调性能上都有显著提升。

开发者现在可以轻松地将SetFit与现代BERT变体结合使用。以下是一个典型的使用ModernBERT进行微调的代码示例:

from datasets import load_dataset
from setfit import SetFitModel, Trainer, TrainingArguments

# 加载数据集
dataset = load_dataset("sst2")

# 准备训练数据
train_dataset = dataset["train"].select(range(200))
eval_dataset = dataset["validation"].select(range(200))

# 加载ModernBERT模型
model = SetFitModel.from_pretrained(
    "nomic-ai/modernbert-embed-base",
    labels=["negative", "positive"],
)

# 配置训练参数
args = TrainingArguments(
    batch_size=16,
    max_steps=100,
    logging_steps=10,
    eval_strategy="steps",
    eval_steps=10,
    eval_max_steps=100,
)

# 创建训练器并开始训练
trainer = Trainer(
    model=model,
    args=args,
    train_dataset=train_dataset,
    eval_dataset=eval_dataset,
    metric="accuracy",
    column_mapping={"sentence": "text", "label": "label"}
)

trainer.train()

2. 训练报告控制优化

另一个重要修复是解决了report_to="none"参数被忽略的问题。在之前的版本中,即使用户明确指定不向任何平台报告训练指标,系统仍可能尝试发送报告。这个修复对于注重隐私或需要在受限网络环境中运行的开发者尤为重要。

技术细节

  1. 兼容性改进:新版本确保了与transformers库v4.45.2到v4.48.0之间的兼容性,解决了因transformers内部API变化导致的问题。

  2. ModernBERT支持:ModernBERT模型采用了改进的架构设计,在保持BERT核心优势的同时,通过优化嵌入层和注意力机制提升了性能。SetFit现在可以充分利用这些改进。

  3. 训练控制增强:修复后的report_to参数行为更加符合预期,开发者可以完全控制训练指标的记录和上报行为。

实际应用建议

对于考虑升级到v1.1.1版本的开发者:

  1. 如果需要使用最新的Transformer模型(如ModernBERT),建议尽快升级。

  2. 在隐私敏感场景下,可以利用修复后的report_to="none"功能确保训练数据不外泄。

  3. 升级时注意检查transformers库的版本兼容性,建议使用v4.45.2或更高版本。

SetFit v1.1.1的这些改进进一步巩固了其作为小样本文本分类首选框架的地位,特别是对于希望利用最新Transformer模型但又需要轻量级解决方案的开发者而言。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511