SetFit with intfloat/multilingual-e5-large

This is a SetFit model that can be used for Text Classification. This SetFit model uses intfloat/multilingual-e5-large 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:

Fine-tuning a Sentence Transformer with contrastive learning.
Training a classification head with features from the fine-tuned Sentence Transformer.

Model Details

Model Description

Model Type: SetFit
Sentence Transformer body: intfloat/multilingual-e5-large
Classification head: a LogisticRegression instance
Maximum Sequence Length: 512 tokens
Number of Classes: 4 classes

Model Sources

Repository: SetFit on GitHub
Paper: Efficient Few-Shot Learning Without Prompts
Blogpost: SetFit: Efficient Few-Shot Learning Without Prompts

Model Labels

Label	Examples
fine	'spørgsmål: Læs følgende afsnit og udtræk svaret på spørgsmålet: Hvilket år var den sidste indspilningssession for manden, der forsøgte at begrænse sit alkoholindtag? Den 30. november 1928, mens han var på turné i Cleveland, oplevede Beiderbecke, hvad Lion betegner som 'en alvorlig nervesammenbrud', og Sudhalter og Evans antyder 'var med al sandsynlighed et akut anfald af delirium tremens', formentlig udløst af Beiderbeckes forsøg på at begrænse sit alkoholindtag. 'Han brød sammen, det er det', sagde trombonist Bill Rank. 'Gik bare i stykker; smadrede et værelse fuldt af møbler på hotellet.' I februar 1929 vendte Beiderbecke hjem til Davenport for at komme sig og blev hyldet af den lokale presse som 'verdens hotteste kornettist'. Han tilbragte derefter sommeren med Whitemans orkester i Hollywood i forberedelse til optagelserne af en ny talefilm, The King of Jazz. Produktionsforsinkelser forhindrede, at der blev udført noget egentligt arbejde på filmen, hvilket gav Beiderbecke og hans venner masser af tid til at drikke rigeligt. I september var han tilbage i Davenport, hvor hans forældre hjalp ham med at søge behandling. Han tilbragte en måned, fra den 14. oktober til den 18. november, på Keeley Institute i Dwight, Illinois. Ifølge Lion bekræftede en undersøgelse foretaget af Keeley-læger de skadelige virkninger af Bix's langvarige afhængighed af alkohol: 'Bix indrømmede at have brugt alkohol 'i overskud' i de sidste ni år, hans daglige dosis i de sidste tre år svarende til tre pint 'whiskey' og tyve cigaretter..... En hepatisk dæmpning var tydelig, 'knærefleksen kunne ikke opnås' - hvilket bekræftede spredningen af polyneuritis, og Bix 'svajede i Romberg-stilling' - stående med lukkede øjne'. Mens han var væk, holdt Whiteman berømt sin stol åben til ære for Beiderbecke, i håbet om at han ville indtage den igen. Men da han vendte tilbage til New York i slutningen af januar 1930, genoptog Beiderbecke ikke samarbejdet med Whiteman og optrådte kun sporadisk. På sin sidste indspilningssession i New York den 15. september 1930 spillede Beiderbecke på den originale indspilning af Hoagy Carmichaels nye sang 'Georgia on My Mind', hvor Carmichael sang, Eddie Lang på guitar, Joe Venuti på violin, Jimmy Dorsey på klarinet og altsaxofon...\nSvar:.\nsvar: Den sidste indspilningssession for manden, der forsøgte at begrænse sit alkoholindtag, var i 1930. Dette er baseret på teksten, der nævner, at "På sin sidste indspilningssession i New York den 15. september 1930 spillede Beiderbecke på den originale indspilning af Hoagy Carmichaels nye sang 'Georgia on My Mind'".' 'spørgsmål: Givet spørgsmålet: Her er en anmeldelse fra en kunde om et produkt. Vil du sige, at han var tilfreds eller utilfreds? Titel: Største dang ting! Anmeldelse: For fanden, jeg var rasende, da jeg fandt ud af, at deres andet "Bedste af" album ikke havde "She's about a mover" og "The Rains Came." Dog er denne nye CD et fremragende supplement til den anden. Sir Douglas Quintet lavede de mest unikke lyde fra tresserne; og musikfans, hvis de har lyst til at prøve SDQ, bør købe denne CD.\nSvaret er:.\nsvar: Kunden virker generelt tilfreds med produktet. Selvom han udtrykker frustration over, at visse sange ikke er inkluderet i et tidligere album, roser han det nye album som et "fremragende supplement" til det forrige. Han anerkender også bandets unikke lyd fra 60'erne og anbefaler andre musikfans at købe denne CD. Derfor kan vi konkludere, at selvom han havde nogle indvendinger mod det tidligere album, er han tilfreds med det nye produkt.' 'spørgsmål: Unge mennesker Veldefinerede områder Meget stille Supermarked God generel ledelse Etablissement med charme Restaurant Pool Familier med teenagere\n\nHvad er den korrekt tegnsatte version af denne sætning?.\nsvar: "Unge mennesker, veldefinerede områder, meget stille, supermarked, god generel ledelse, etablissement med charme, restaurant, pool, familier med teenagere."'
needs_fixing	'spørgsmål: Artikel: Bogen er også blevet tilpasset som et skuespil af Christopher Sergel. Det debuterede i 1990 i Monroeville, en by der kalder sig selv "The Literary Capital of Alabama". Skuespillet kører hver maj på amtets domstolsgrund og byens indbyggere udgør rollebesætningen. Hvide mandlige publikumsmedlemmer vælges ved pausen for at udgøre juryen. Under retssalsscenen flytter produktionen ind i Monroe County Courthouse og publikum er racemæssigt adskilt. Forfatter Albert Murray sagde om byens forhold til romanen (og den årlige opførelse): "Det bliver en del af byens ritual, ligesom den religiøse baggrund for Mardi Gras. Med hele byen samlet omkring den faktiske domstol, er det en del af en central, borgerlig uddannelse - hvad Monroeville stræber efter at være."\n\nNu svar på dette spørgsmål: Hvilken by kaldte sig selv "The Literary Capital of Alabama"?.\nsvar: Byen, der kalder sig selv "The Literary Capital of Alabama", er Monroeville. Denne titel er passende, da Monroeville er kendt for sin rige litterære historie. Det er hjemsted for flere bemærkelsesværdige forfattere, herunder Harper Lee, forfatteren af "To Kill a Mockingbird", og Truman Capote, en barndomsven og nabo til Lee.\n\nMonroeville har en årlig tradition for at opføre et skuespil baseret på "To Kill a Mockingbird", der blev tilpasset af Christopher Sergel. Skuespillet debuterede i 1990 og kører hvert år i maj på amtets domstolsgrund. Byens indbyggere udgør rollebesætningen, og hvide mandlige publikumsmedlemmer vælges ved pausen for at udgøre juryen. Under retssalsscenen flytter produktionen ind i Monroe County Courthouse, og publikum er racemæssigt adskilt.\n\nDenne årlige begivenhed er blevet en del af byens ritual, ligesom Mardi Gras er en del af den religiøse baggrund for mange byer. Med hele byen samlet omkring den faktiske domstol, er det en del af en central, borgerlig uddannelse. Ifølge forfatter Albert Murray er det, hvad Monroeville stræber efter at være. Denne tradition understreger byens engagement i litteratur og dens betydning i samfundet.' 'spørgsmål: Jeg har en test, hvor jeg får følgende artikel, hvad er et svar på spørgsmålet: Hvad er fornavnet på personen, der stoppede sig selv fra at slå nogen? Tegneserien begynder med fortælleren, der introducerer de tre bjørne Papa Bear, Mama Bear og Junyer Bear. Junyer Bear læser en Bugs Bunny-tegneserie på Papa Bears avis og begynder at kilde ham. Papa Bear formår at slå Junyer og slår ham hårdt i ansigtet, hvilket får Junyer Bear til at lande i sin skål havregrød. Papa Bear råber derefter til ham "Spis din havregrød!" og fortsætter med at læse sin avis. Junyer Bear græder med havregrød i ansigtet og siger "Pop! Hvad gør jeg?! Hvad gør jeg?!". Papa Bear bemærker noget i avisen, der siger "Eftersøgt trickbjørneoptræden, ansøg hos Mingling Bros. Circus" og fortæller Mama og Junyer om det og siger, at de har brug for lidt øvelse. Mama Bear forsøger at protestere, men Papa Bear råber "Hold kæft og lad os komme afsted". Junyer er begejstret og vil være en trickbjørneoptræden og griber fat i ham og får Henry til at spinde som en strandbold. Mama Bear, der først var tøvende, deltager i sang iført sportstøj, og Junyer Bear lander Papa Bear på Mama Bears finger stadig på hovedet. Han forsøger at slå hende, men misser, (eller stoppede sig selv fra at slå hende) spinner rundt og laver et vredt ansigt mod Junyer og ved, at det virkelig er hans skyld, så Papa sparker ham i røven, og han ryster af raseri.\nSvar:.\nsvar: Fornavnet på personen, der stoppede sig selv fra at slå nogen, er ikke specificeret i teksten. Men det kan antages, at det er Papa Bear, da han er den eneste person, der er nævnt i konteksten af at slå nogen.' 'spørgsmål: Besvar venligst følgende spørgsmål: Denne artikel: Enlig far Bob Holcomb, en enkemand, er utilfreds med den guitar-spillende dreng Kenny, som hans datter JoJo vælger som sin kommende ægtemand. Som en leder i et olieselskab accepterer Bob en overførsel til virksomhedens Stockholm-afdeling, og han tager JoJo med i håb om, at det vil distrahere hende. Sverige viser sig at være langt mere seksuelt liberal end USA. Bob, efter at have mødt en attraktiv indretningsarkitekt, Karin, beslutter sig for at tage hende med på en romantisk weekend på et bjergferiested. JoJo har dog accepteret et lignende tilbud fra Erik, som er Bobs nye assistent. Oprindeligt set som en respektabel bejler viser Erik sig at være en playboy og en skurk. En pige, der blev troet at være hans kusine, Marti, er faktisk en tidligere kæreste. Kenny dukker op og tager Marti med til feriestedet, hvor de tre par fortsætter med at akavet støde på hinanden. Kenny får endelig nok af Erik og slår ham ud med sin guitar. På en hjemrejse udfører skibets kaptajn en dobbelt bryllupsceremoni, der viser sig at være ugyldig på grund af en navigationsfejl. Så den skal gøres igen. indeholder et svar på spørgsmålet: Hvem er Stockholm beregnet til at distrahere JoJo fra at se?, hvad er det?\nSvar:.\nsvar: Stockholm er beregnet til at distrahere JoJo fra at se Kenny, den guitar-spillende dreng, som hun har valgt som sin kommende ægtemand.'
nonsense	'spørgsmål: "Hvad hedder retten "Picalilli"?"\nHvad er svaret?.\nsvar: Piccalilli er en type syltetøj, som er meget populær i England. Det er lavet af forskellige grøntsager som blomkål, agurker og løg, som er hakket i små stykker. Disse grøntsager blandes med eddike, sukker og krydderier som sennep og gurkemeje, som giver det en gul farve. Det er lidt som en sur-sød salat, som man kan spise sammen med kød eller ost. Det er rigtig lækkert!' 'spørgsmål: netsh wlan reportissues: generer wlan smart trace rapport.\n\nGør dette til korrekt sag.\nsvar: Netsh Wlan Reportissues: Generer Wlan Smart Trace Rapport.' 'spørgsmål: (1) Det blev tildelt Felidae af Carroll (1988), men senere blev det placeret inden for Nimravidae.\n(2) Det blev tildelt Felidae af Carroll (1988), men senere blev det placeret inden for Nimravidae.\n\nBetyder disse to sætninger det samme?\n\nOPT:\n[i] nej;\n[ii] ja;.\nsvar: [ii] ja;\n\nBegge sætninger siger nøjagtigt det samme. De fortæller os, at noget først blev placeret i gruppen Felidae af en person ved navn Carroll i 1988, men senere blev det flyttet til en anden gruppe kaldet Nimravidae. Der er ingen forskel mellem de to sætninger, så svaret er "ja", de betyder det samme.\n\nSvaret "nej" er forkert, fordi der ikke er nogen forskel i betydningen mellem de to sætninger. De er identiske og fortæller os den samme information.'
task_irrelevant	'spørgsmål: Hvordan siger man 'Preliminary training of 85 soldiers began in Danilovgrad, near Podgorica, last August.' på tyrkisk?.\nsvar: For at oversætte sætningen "Preliminary training of 85 soldiers began in Danilovgrad, near Podgorica, last August." til tyrkisk, vil jeg bruge mine sprogkundskaber og kulturelle forståelse. Her er hvert trin:\n\n1. Oversæt "Preliminary training" til "Ön eğitim". Dette er en direkte oversættelse, da "preliminary" betyder "ön" og "training" betyder "eğitim" på tyrkisk.\n\n2. Oversæt "of 85 soldiers" til "85 asker". Igen, dette er en direkte oversættelse, da "of" kan oversættes til "" på tyrkisk, "85" forbliver det samme, og "soldiers" oversættes til "asker".\n\n3. Oversæt "began in Danilovgrad, near Podgorica" til "Danilovgrad'da, Podgorica'nın yakınında başladı". "Began" oversættes til "başladı", "in" til "da", "near" til "yakınında".\n\n4. Til sidst, oversæt "last August" til "geçen Ağustos". "Last" oversættes til "geçen" og "August" til "Ağustos".\n\nSåledes bliver den fulde oversættelse: "85 askerinin ön eğitimi geçen Ağustos'ta, Danilovgrad'da, Podgorica'nın yakınında başladı."' 'spørgsmål: Hvordan siger du "Med gratis Wi-Fi og aircondition er dette venlige budgethotel praktisk beliggende nær Termini togstationen i hjertet af..." på spansk?.\nsvar: For at oversætte denne sætning til spansk, vil jeg bruge mine sprogkundskaber og min evne til at oversætte kontekst korrekt. Det er vigtigt at bevare betydningen af sætningen, mens man tilpasser den til det spanske sprog. \n\nHer er oversættelsen: \n\n"Con Wi-Fi gratuito y aire acondicionado, este amigable hotel económico está convenientemente ubicado cerca de la estación de tren Termini en el corazón de..."\n\nJeg har oversat "Med gratis Wi-Fi og aircondition" til "Con Wi-Fi gratuito y aire acondicionado". "Dette venlige budgethotel" er blevet til "este amigable hotel económico". "Praktisk beliggende nær Termini togstationen" er oversat til "está convenientemente ubicado cerca de la estación de tren Termini". Og endelig, "i hjertet af" er blevet til "en el corazón de". \n\nJeg har forsøgt at bevare den oprindelige betydning og tone i sætningen, mens jeg har tilpasset den til det spanske sprog.' 'spørgsmål: Возрождение началось; вы хотите быть частью этого?\n\nHvilket sprog er dette?.\nsvar: Dette sprog er russisk. Det er et af de mest talte sprog i verden og er det officielle sprog i Rusland.'

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("setfit_model_id")
# Run inference
preds = model("spørgsmål: Spørgsmål: Ifølge Friederike Müller insisterede Chopin på, at hans elever havde den strengeste overholdelse af hvad?
Svar: Han hadede al langsom og trækkende, forkert placeret rubato samt overdrevne ritardandos ... og det er netop i denne henseende, at folk begår så frygtelige fejl ved at spille hans værker.\"
 Et enkeltvalgsproblem: Er spørgsmålet besvaret tilfredsstillende?

Vælg fra: -ja; -nej;.
svar: -nej;")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	12	199.5344	1204

Label	Training Sample Count
fine	1179
needs_fixing	480
nonsense	82
task_irrelevant	59

Training Hyperparameters

batch_size: (32, 32)
num_epochs: (1, 1)
max_steps: -1
sampling_strategy: oversampling
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
evaluation_strategy: steps
eval_max_steps: -1
load_best_model_at_end: False

Training Results

Epoch	Step	Training Loss	Validation Loss
0.0000	1	0.4307	-
0.0010	50	0.3451	-
0.0020	100	0.3309	-
0.0029	150	0.2918	-
0.0039	200	0.2605	-
0.0049	250	0.2525	-
0.0059	300	0.2498	-
0.0069	350	0.2469	-
0.0078	400	0.2469	-
0.0088	450	0.2438	-
0.0098	500	0.2416	-
0.0108	550	0.2325	-
0.0118	600	0.2263	-
0.0127	650	0.2249	-
0.0137	700	0.2126	-
0.0147	750	0.2184	-
0.0157	800	0.2137	-
0.0167	850	0.2077	-
0.0176	900	0.1925	-
0.0186	950	0.1768	-
0.0196	1000	0.1691	-
0.0206	1050	0.1457	-
0.0216	1100	0.1236	-
0.0225	1150	0.092	-
0.0235	1200	0.0703	-
0.0245	1250	0.0727	-
0.0255	1300	0.067	-
0.0265	1350	0.0588	-
0.0274	1400	0.0469	-
0.0284	1450	0.0516	-
0.0294	1500	0.0435	-
0.0304	1550	0.0409	-
0.0314	1600	0.0494	-
0.0323	1650	0.044	-
0.0333	1700	0.0518	-
0.0343	1750	0.0331	-
0.0353	1800	0.0309	-
0.0363	1850	0.0455	-
0.0372	1900	0.0267	-
0.0382	1950	0.0219	-
0.0392	2000	0.0316	-
0.0402	2050	0.0221	-
0.0412	2100	0.0274	-
0.0421	2150	0.0254	-
0.0431	2200	0.0239	-
0.0441	2250	0.032	-
0.0451	2300	0.0189	-
0.0461	2350	0.0137	-
0.0470	2400	0.0177	-
0.0480	2450	0.0107	-
0.0490	2500	0.0107	-
0.0500	2550	0.0202	-
0.0510	2600	0.0154	-
0.0519	2650	0.0117	-
0.0529	2700	0.011	-
0.0539	2750	0.0217	-
0.0549	2800	0.0282	-
0.0559	2850	0.0266	-
0.0568	2900	0.0097	-
0.0578	2950	0.0223	-
0.0588	3000	0.0141	-
0.0598	3050	0.0112	-
0.0608	3100	0.0083	-
0.0617	3150	0.0117	-
0.0627	3200	0.0095	-
0.0637	3250	0.0089	-
0.0647	3300	0.0162	-
0.0657	3350	0.004	-
0.0666	3400	0.0104	-
0.0676	3450	0.0106	-
0.0686	3500	0.0119	-
0.0696	3550	0.0106	-
0.0706	3600	0.0135	-
0.0715	3650	0.0141	-
0.0725	3700	0.0117	-
0.0735	3750	0.0117	-
0.0745	3800	0.006	-
0.0755	3850	0.0056	-
0.0764	3900	0.0073	-
0.0774	3950	0.0055	-
0.0784	4000	0.0054	-
0.0794	4050	0.0017	-
0.0804	4100	0.0078	-
0.0814	4150	0.0037	-
0.0823	4200	0.0088	-
0.0833	4250	0.0178	-
0.0843	4300	0.0097	-
0.0853	4350	0.0054	-
0.0863	4400	0.0047	-
0.0872	4450	0.0183	-
0.0882	4500	0.021	-
0.0892	4550	0.0087	-
0.0902	4600	0.0048	-
0.0912	4650	0.0063	-
0.0921	4700	0.0032	-
0.0931	4750	0.0126	-
0.0941	4800	0.0093	-
0.0951	4850	0.006	-
0.0961	4900	0.0125	-
0.0970	4950	0.0159	-
0.0980	5000	0.0103	0.3647
0.0990	5050	0.0103	-
0.1000	5100	0.0079	-
0.1010	5150	0.0089	-
0.1019	5200	0.0047	-
0.1029	5250	0.0105	-
0.1039	5300	0.0081	-
0.1049	5350	0.0069	-
0.1059	5400	0.0021	-
0.1068	5450	0.0028	-
0.1078	5500	0.0046	-
0.1088	5550	0.0098	-
0.1098	5600	0.0099	-
0.1108	5650	0.0055	-
0.1117	5700	0.0055	-
0.1127	5750	0.008	-
0.1137	5800	0.0041	-
0.1147	5850	0.0053	-
0.1157	5900	0.0055	-
0.1166	5950	0.0026	-
0.1176	6000	0.0014	-
0.1186	6050	0.0006	-
0.1196	6100	0.0045	-
0.1206	6150	0.0034	-
0.1215	6200	0.0083	-
0.1225	6250	0.0048	-
0.1235	6300	0.0058	-
0.1245	6350	0.0108	-
0.1255	6400	0.0082	-
0.1264	6450	0.0088	-
0.1274	6500	0.0122	-
0.1284	6550	0.0136	-
0.1294	6600	0.0063	-
0.1304	6650	0.0058	-
0.1313	6700	0.0155	-
0.1323	6750	0.0175	-
0.1333	6800	0.0058	-
0.1343	6850	0.0031	-
0.1353	6900	0.005	-
0.1362	6950	0.01	-
0.1372	7000	0.0137	-
0.1382	7050	0.0124	-
0.1392	7100	0.0079	-
0.1402	7150	0.0086	-
0.1411	7200	0.0068	-
0.1421	7250	0.0081	-
0.1431	7300	0.0151	-
0.1441	7350	0.0047	-
0.1451	7400	0.0134	-
0.1460	7450	0.0113	-
0.1470	7500	0.0237	-
0.1480	7550	0.0064	-
0.1490	7600	0.0168	-
0.1500	7650	0.0094	-
0.1509	7700	0.0077	-
0.1519	7750	0.0124	-
0.1529	7800	0.0056	-
0.1539	7850	0.0093	-
0.1549	7900	0.0031	-
0.1558	7950	0.0062	-
0.1568	8000	0.0084	-
0.1578	8050	0.0072	-
0.1588	8100	0.0148	-
0.1598	8150	0.0071	-
0.1607	8200	0.0031	-
0.1617	8250	0.0034	-
0.1627	8300	0.0034	-
0.1637	8350	0.006	-
0.1647	8400	0.0046	-
0.1656	8450	0.0081	-
0.1666	8500	0.0056	-
0.1676	8550	0.0043	-
0.1686	8600	0.0055	-
0.1696	8650	0.0025	-
0.1705	8700	0.0034	-
0.1715	8750	0.0067	-
0.1725	8800	0.0083	-
0.1735	8850	0.0059	-
0.1745	8900	0.0077	-
0.1754	8950	0.0046	-
0.1764	9000	0.0078	-
0.1774	9050	0.0112	-
0.1784	9100	0.0074	-
0.1794	9150	0.0055	-
0.1803	9200	0.0044	-
0.1813	9250	0.0051	-
0.1823	9300	0.0022	-
0.1833	9350	0.0024	-
0.1843	9400	0.0014	-
0.1852	9450	0.001	-
0.1862	9500	0.0061	-
0.1872	9550	0.0039	-
0.1882	9600	0.003	-
0.1892	9650	0.0021	-
0.1901	9700	0.0043	-
0.1911	9750	0.0136	-
0.1921	9800	0.0081	-
0.1931	9850	0.0139	-
0.1941	9900	0.017	-
0.1950	9950	0.0076	-
0.1960	10000	0.0053	0.3758
0.1970	10050	0.002	-
0.1980	10100	0.0052	-
0.1990	10150	0.0017	-
0.1999	10200	0.0006	-
0.2009	10250	0.0007	-
0.2019	10300	0.0002	-
0.2029	10350	0.0004	-
0.2039	10400	0.0009	-
0.2048	10450	0.0013	-
0.2058	10500	0.0017	-
0.2068	10550	0.0008	-
0.2078	10600	0.0007	-
0.2088	10650	0.0017	-
0.2097	10700	0.0016	-
0.2107	10750	0.0038	-
0.2117	10800	0.0109	-
0.2127	10850	0.0037	-
0.2137	10900	0.0027	-
0.2146	10950	0.0028	-
0.2156	11000	0.001	-
0.2166	11050	0.0013	-
0.2176	11100	0.0012	-
0.2186	11150	0.0017	-
0.2195	11200	0.0026	-
0.2205	11250	0.007	-
0.2215	11300	0.0096	-
0.2225	11350	0.0052	-
0.2235	11400	0.003	-
0.2244	11450	0.0028	-
0.2254	11500	0.0064	-
0.2264	11550	0.0035	-
0.2274	11600	0.0076	-
0.2284	11650	0.008	-
0.2293	11700	0.0062	-
0.2303	11750	0.0045	-
0.2313	11800	0.0022	-
0.2323	11850	0.0007	-
0.2333	11900	0.0011	-
0.2342	11950	0.0014	-
0.2352	12000	0.0007	-
0.2362	12050	0.0015	-
0.2372	12100	0.0007	-
0.2382	12150	0.0009	-
0.2392	12200	0.0074	-
0.2401	12250	0.0031	-
0.2411	12300	0.0015	-
0.2421	12350	0.0021	-
0.2431	12400	0.0014	-
0.2441	12450	0.0014	-
0.2450	12500	0.0034	-
0.2460	12550	0.0004	-
0.2470	12600	0.0004	-
0.2480	12650	0.0007	-
0.2490	12700	0.0012	-
0.2499	12750	0.0004	-
0.2509	12800	0.0008	-
0.2519	12850	0.0006	-
0.2529	12900	0.0007	-
0.2539	12950	0.0005	-
0.2548	13000	0.0002	-
0.2558	13050	0.0008	-
0.2568	13100	0.0009	-
0.2578	13150	0.0012	-
0.2588	13200	0.0009	-
0.2597	13250	0.0013	-
0.2607	13300	0.0006	-
0.2617	13350	0.0013	-
0.2627	13400	0.0007	-
0.2637	13450	0.0028	-
0.2646	13500	0.0013	-
0.2656	13550	0.0	-
0.2666	13600	0.0007	-
0.2676	13650	0.0012	-
0.2686	13700	0.0035	-
0.2695	13750	0.01	-
0.2705	13800	0.0217	-
0.2715	13850	0.0141	-
0.2725	13900	0.0132	-
0.2735	13950	0.0111	-
0.2744	14000	0.013	-
0.2754	14050	0.0092	-
0.2764	14100	0.0025	-
0.2774	14150	0.0035	-
0.2784	14200	0.0051	-
0.2793	14250	0.0102	-
0.2803	14300	0.0093	-
0.2813	14350	0.0052	-
0.2823	14400	0.004	-
0.2833	14450	0.0057	-
0.2842	14500	0.0033	-
0.2852	14550	0.0065	-
0.2862	14600	0.0038	-
0.2872	14650	0.0037	-
0.2882	14700	0.0071	-
0.2891	14750	0.0079	-
0.2901	14800	0.0073	-
0.2911	14850	0.0066	-
0.2921	14900	0.014	-
0.2931	14950	0.0081	-
0.2940	15000	0.0032	0.3803
0.2950	15050	0.005	-
0.2960	15100	0.0062	-
0.2970	15150	0.013	-
0.2980	15200	0.0027	-
0.2989	15250	0.005	-
0.2999	15300	0.0068	-
0.3009	15350	0.0041	-
0.3019	15400	0.0042	-
0.3029	15450	0.0028	-
0.3038	15500	0.0089	-
0.3048	15550	0.0072	-
0.3058	15600	0.0031	-
0.3068	15650	0.0061	-
0.3078	15700	0.0086	-
0.3087	15750	0.0051	-
0.3097	15800	0.0081	-
0.3107	15850	0.0078	-
0.3117	15900	0.0032	-
0.3127	15950	0.0012	-
0.3136	16000	0.0019	-
0.3146	16050	0.0013	-
0.3156	16100	0.0027	-
0.3166	16150	0.0017	-
0.3176	16200	0.0013	-
0.3185	16250	0.0025	-
0.3195	16300	0.0026	-
0.3205	16350	0.0021	-
0.3215	16400	0.0007	-
0.3225	16450	0.0019	-
0.3234	16500	0.0	-
0.3244	16550	0.0005	-
0.3254	16600	0.0019	-
0.3264	16650	0.0017	-
0.3274	16700	0.0019	-
0.3283	16750	0.0025	-
0.3293	16800	0.0037	-
0.3303	16850	0.0032	-
0.3313	16900	0.0029	-
0.3323	16950	0.001	-
0.3332	17000	0.0042	-
0.3342	17050	0.0013	-
0.3352	17100	0.0025	-
0.3362	17150	0.0006	-
0.3372	17200	0.0	-
0.3381	17250	0.0006	-
0.3391	17300	0.0	-
0.3401	17350	0.0	-
0.3411	17400	0.0	-
0.3421	17450	0.0	-
0.3430	17500	0.0006	-
0.3440	17550	0.0	-
0.3450	17600	0.0001	-
0.3460	17650	0.0026	-
0.3470	17700	0.0013	-
0.3479	17750	0.0053	-
0.3489	17800	0.005	-
0.3499	17850	0.0032	-
0.3509	17900	0.0051	-
0.3519	17950	0.002	-
0.3528	18000	0.0025	-
0.3538	18050	0.0006	-
0.3548	18100	0.0004	-
0.3558	18150	0.0027	-
0.3568	18200	0.0013	-
0.3577	18250	0.0013	-
0.3587	18300	0.0007	-
0.3597	18350	0.0015	-
0.3607	18400	0.0006	-
0.3617	18450	0.0018	-
0.3626	18500	0.0021	-
0.3636	18550	0.0034	-
0.3646	18600	0.0037	-
0.3656	18650	0.005	-
0.3666	18700	0.0027	-
0.3675	18750	0.0024	-
0.3685	18800	0.0	-
0.3695	18850	0.0	-
0.3705	18900	0.0006	-
0.3715	18950	0.0008	-
0.3724	19000	0.005	-
0.3734	19050	0.003	-
0.3744	19100	0.0011	-
0.3754	19150	0.0006	-
0.3764	19200	0.0	-
0.3773	19250	0.0	-
0.3783	19300	0.0001	-
0.3793	19350	0.003	-
0.3803	19400	0.0	-
0.3813	19450	0.0	-
0.3822	19500	0.0017	-
0.3832	19550	0.001	-
0.3842	19600	0.0017	-
0.3852	19650	0.0006	-
0.3862	19700	0.0	-
0.3871	19750	0.0	-
0.3881	19800	0.0022	-
0.3891	19850	0.0	-
0.3901	19900	0.0	-
0.3911	19950	0.0	-
0.3920	20000	0.0	0.3965
0.3930	20050	0.0	-
0.3940	20100	0.0005	-
0.3950	20150	0.0009	-
0.3960	20200	0.0	-
0.3969	20250	0.0	-
0.3979	20300	0.0016	-
0.3989	20350	0.0053	-
0.3999	20400	0.0	-
0.4009	20450	0.0017	-
0.4019	20500	0.001	-
0.4028	20550	0.0004	-
0.4038	20600	0.0006	-
0.4048	20650	0.0006	-
0.4058	20700	0.0006	-
0.4068	20750	0.0012	-
0.4077	20800	0.002	-
0.4087	20850	0.0006	-
0.4097	20900	0.0016	-
0.4107	20950	0.0013	-
0.4117	21000	0.0029	-
0.4126	21050	0.0011	-
0.4136	21100	0.0	-
0.4146	21150	0.0	-
0.4156	21200	0.0	-
0.4166	21250	0.0006	-
0.4175	21300	0.0013	-
0.4185	21350	0.0013	-
0.4195	21400	0.0066	-
0.4205	21450	0.0001	-
0.4215	21500	0.0001	-
0.4224	21550	0.0	-
0.4234	21600	0.0018	-
0.4244	21650	0.0056	-
0.4254	21700	0.0025	-
0.4264	21750	0.0028	-
0.4273	21800	0.0013	-
0.4283	21850	0.0025	-
0.4293	21900	0.0024	-
0.4303	21950	0.0006	-
0.4313	22000	0.0006	-
0.4322	22050	0.0	-
0.4332	22100	0.0	-
0.4342	22150	0.0	-
0.4352	22200	0.0	-
0.4362	22250	0.0	-
0.4371	22300	0.0	-
0.4381	22350	0.0	-
0.4391	22400	0.0	-
0.4401	22450	0.0	-
0.4411	22500	0.0	-
0.4420	22550	0.0	-
0.4430	22600	0.0	-
0.4440	22650	0.0	-
0.4450	22700	0.0	-
0.4460	22750	0.0	-
0.4469	22800	0.0	-
0.4479	22850	0.0	-
0.4489	22900	0.0	-
0.4499	22950	0.0	-
0.4509	23000	0.0	-
0.4518	23050	0.0	-
0.4528	23100	0.0	-
0.4538	23150	0.0	-
0.4548	23200	0.0	-
0.4558	23250	0.0	-
0.4567	23300	0.0	-
0.4577	23350	0.0	-
0.4587	23400	0.0	-
0.4597	23450	0.0	-
0.4607	23500	0.0	-
0.4616	23550	0.0	-
0.4626	23600	0.0	-
0.4636	23650	0.0	-
0.4646	23700	0.0	-
0.4656	23750	0.0	-
0.4665	23800	0.0	-
0.4675	23850	0.0	-
0.4685	23900	0.0	-
0.4695	23950	0.0	-
0.4705	24000	0.0	-
0.4714	24050	0.0	-
0.4724	24100	0.0	-
0.4734	24150	0.0	-
0.4744	24200	0.0	-
0.4754	24250	0.0006	-
0.4763	24300	0.0029	-
0.4773	24350	0.0072	-
0.4783	24400	0.0012	-
0.4793	24450	0.0029	-
0.4803	24500	0.0039	-
0.4812	24550	0.0013	-
0.4822	24600	0.0006	-
0.4832	24650	0.0025	-
0.4842	24700	0.0	-
0.4852	24750	0.0006	-
0.4861	24800	0.0019	-
0.4871	24850	0.0011	-
0.4881	24900	0.0025	-
0.4891	24950	0.0019	-
0.4901	25000	0.0006	0.4125
0.4910	25050	0.0006	-
0.4920	25100	0.0006	-
0.4930	25150	0.003	-
0.4940	25200	0.0031	-
0.4950	25250	0.0018	-
0.4959	25300	0.0024	-
0.4969	25350	0.0045	-
0.4979	25400	0.0034	-
0.4989	25450	0.0025	-
0.4999	25500	0.0019	-
0.5008	25550	0.0019	-
0.5018	25600	0.0007	-
0.5028	25650	0.0	-
0.5038	25700	0.0019	-
0.5048	25750	0.0006	-
0.5057	25800	0.0019	-
0.5067	25850	0.0006	-
0.5077	25900	0.0016	-
0.5087	25950	0.0006	-
0.5097	26000	0.0029	-
0.5106	26050	0.0012	-
0.5116	26100	0.0013	-
0.5126	26150	0.0016	-
0.5136	26200	0.0021	-
0.5146	26250	0.0006	-
0.5155	26300	0.0013	-
0.5165	26350	0.003	-
0.5175	26400	0.0007	-
0.5185	26450	0.0025	-
0.5195	26500	0.0	-
0.5204	26550	0.0012	-
0.5214	26600	0.0	-
0.5224	26650	0.0016	-
0.5234	26700	0.0006	-
0.5244	26750	0.0001	-
0.5253	26800	0.0	-
0.5263	26850	0.0	-
0.5273	26900	0.0	-
0.5283	26950	0.0	-
0.5293	27000	0.0	-
0.5302	27050	0.0	-
0.5312	27100	0.0	-
0.5322	27150	0.0	-
0.5332	27200	0.0	-
0.5342	27250	0.0	-
0.5351	27300	0.0	-
0.5361	27350	0.0	-
0.5371	27400	0.0	-
0.5381	27450	0.0	-
0.5391	27500	0.0	-
0.5400	27550	0.0	-
0.5410	27600	0.0	-
0.5420	27650	0.0	-
0.5430	27700	0.0	-
0.5440	27750	0.0	-
0.5449	27800	0.0	-
0.5459	27850	0.0	-
0.5469	27900	0.0	-
0.5479	27950	0.0	-
0.5489	28000	0.0	-
0.5498	28050	0.0	-
0.5508	28100	0.0017	-
0.5518	28150	0.0	-
0.5528	28200	0.0018	-
0.5538	28250	0.0042	-
0.5547	28300	0.0007	-
0.5557	28350	0.0	-
0.5567	28400	0.0006	-
0.5577	28450	0.0006	-
0.5587	28500	0.0006	-
0.5597	28550	0.0	-
0.5606	28600	0.0	-
0.5616	28650	0.0012	-
0.5626	28700	0.0	-
0.5636	28750	0.0	-
0.5646	28800	0.0	-
0.5655	28850	0.0	-
0.5665	28900	0.0017	-
0.5675	28950	0.0006	-
0.5685	29000	0.0	-
0.5695	29050	0.0	-
0.5704	29100	0.0	-
0.5714	29150	0.0	-
0.5724	29200	0.0	-
0.5734	29250	0.0	-
0.5744	29300	0.0	-
0.5753	29350	0.0	-
0.5763	29400	0.0	-
0.5773	29450	0.0	-
0.5783	29500	0.0	-
0.5793	29550	0.0	-
0.5802	29600	0.0	-
0.5812	29650	0.0	-
0.5822	29700	0.0	-
0.5832	29750	0.0	-
0.5842	29800	0.0	-
0.5851	29850	0.0	-
0.5861	29900	0.0	-
0.5871	29950	0.0	-
0.5881	30000	0.0	0.3633
0.5891	30050	0.0	-
0.5900	30100	0.0	-
0.5910	30150	0.0	-
0.5920	30200	0.0	-
0.5930	30250	0.0	-
0.5940	30300	0.0	-
0.5949	30350	0.0	-
0.5959	30400	0.0	-
0.5969	30450	0.0	-
0.5979	30500	0.0	-
0.5989	30550	0.0	-
0.5998	30600	0.0	-
0.6008	30650	0.0	-
0.6018	30700	0.0	-
0.6028	30750	0.0	-
0.6038	30800	0.0	-
0.6047	30850	0.0	-
0.6057	30900	0.0	-
0.6067	30950	0.0	-
0.6077	31000	0.0	-
0.6087	31050	0.0	-
0.6096	31100	0.0	-
0.6106	31150	0.0	-
0.6116	31200	0.0	-
0.6126	31250	0.0	-
0.6136	31300	0.0	-
0.6145	31350	0.0	-
0.6155	31400	0.0	-
0.6165	31450	0.0	-
0.6175	31500	0.0	-
0.6185	31550	0.0	-
0.6194	31600	0.0	-
0.6204	31650	0.0	-
0.6214	31700	0.0	-
0.6224	31750	0.0	-
0.6234	31800	0.0	-
0.6243	31850	0.0	-
0.6253	31900	0.0	-
0.6263	31950	0.0	-
0.6273	32000	0.0	-
0.6283	32050	0.0	-
0.6292	32100	0.0	-
0.6302	32150	0.0	-
0.6312	32200	0.0	-
0.6322	32250	0.0	-
0.6332	32300	0.0	-
0.6341	32350	0.0	-
0.6351	32400	0.0	-
0.6361	32450	0.0	-
0.6371	32500	0.0	-
0.6381	32550	0.0	-
0.6390	32600	0.0	-
0.6400	32650	0.0	-
0.6410	32700	0.0	-
0.6420	32750	0.0	-
0.6430	32800	0.0	-
0.6439	32850	0.0	-
0.6449	32900	0.0	-
0.6459	32950	0.0	-
0.6469	33000	0.0	-
0.6479	33050	0.0	-
0.6488	33100	0.0	-
0.6498	33150	0.0	-
0.6508	33200	0.0	-
0.6518	33250	0.0	-
0.6528	33300	0.0	-
0.6537	33350	0.0	-
0.6547	33400	0.0	-
0.6557	33450	0.0	-
0.6567	33500	0.0	-
0.6577	33550	0.0	-
0.6586	33600	0.0	-
0.6596	33650	0.0	-
0.6606	33700	0.0031	-
0.6616	33750	0.0045	-
0.6626	33800	0.0026	-
0.6635	33850	0.0013	-
0.6645	33900	0.0008	-
0.6655	33950	0.0006	-
0.6665	34000	0.0007	-
0.6675	34050	0.0009	-
0.6684	34100	0.0	-
0.6694	34150	0.0	-
0.6704	34200	0.0	-
0.6714	34250	0.0	-
0.6724	34300	0.0	-
0.6733	34350	0.0009	-
0.6743	34400	0.0	-
0.6753	34450	0.0005	-
0.6763	34500	0.0019	-
0.6773	34550	0.0055	-
0.6782	34600	0.0019	-
0.6792	34650	0.0019	-
0.6802	34700	0.0038	-
0.6812	34750	0.0006	-
0.6822	34800	0.0013	-
0.6831	34850	0.0006	-
0.6841	34900	0.0025	-
0.6851	34950	0.0019	-
0.6861	35000	0.0	0.3883
0.6871	35050	0.0013	-
0.6880	35100	0.0021	-
0.6890	35150	0.0019	-
0.6900	35200	0.0025	-
0.6910	35250	0.0	-
0.6920	35300	0.0	-
0.6929	35350	0.0019	-
0.6939	35400	0.0031	-
0.6949	35450	0.0006	-
0.6959	35500	0.0019	-
0.6969	35550	0.0	-
0.6978	35600	0.0019	-
0.6988	35650	0.0006	-
0.6998	35700	0.0013	-
0.7008	35750	0.0006	-
0.7018	35800	0.0	-
0.7027	35850	0.0	-
0.7037	35900	0.0	-
0.7047	35950	0.0	-
0.7057	36000	0.0	-
0.7067	36050	0.0	-
0.7076	36100	0.0	-
0.7086	36150	0.0	-
0.7096	36200	0.0	-
0.7106	36250	0.0	-
0.7116	36300	0.0	-
0.7125	36350	0.0	-
0.7135	36400	0.0	-
0.7145	36450	0.0	-
0.7155	36500	0.0	-
0.7165	36550	0.0	-
0.7175	36600	0.0	-
0.7184	36650	0.0	-
0.7194	36700	0.0	-
0.7204	36750	0.0	-
0.7214	36800	0.0	-
0.7224	36850	0.0	-
0.7233	36900	0.0	-
0.7243	36950	0.0	-
0.7253	37000	0.0	-
0.7263	37050	0.0	-
0.7273	37100	0.0	-
0.7282	37150	0.0	-
0.7292	37200	0.0	-
0.7302	37250	0.0	-
0.7312	37300	0.0	-
0.7322	37350	0.0	-
0.7331	37400	0.0	-
0.7341	37450	0.0	-
0.7351	37500	0.0	-
0.7361	37550	0.0	-
0.7371	37600	0.0	-
0.7380	37650	0.0	-
0.7390	37700	0.0	-
0.7400	37750	0.0	-
0.7410	37800	0.0	-
0.7420	37850	0.0	-
0.7429	37900	0.0	-
0.7439	37950	0.0	-
0.7449	38000	0.0	-
0.7459	38050	0.0	-
0.7469	38100	0.0	-
0.7478	38150	0.0	-
0.7488	38200	0.0	-
0.7498	38250	0.0	-
0.7508	38300	0.0012	-
0.7518	38350	0.0012	-
0.7527	38400	0.002	-
0.7537	38450	0.0001	-
0.7547	38500	0.0003	-
0.7557	38550	0.0002	-
0.7567	38600	0.0	-
0.7576	38650	0.0	-
0.7586	38700	0.0	-
0.7596	38750	0.0	-
0.7606	38800	0.0	-
0.7616	38850	0.0	-
0.7625	38900	0.0006	-
0.7635	38950	0.0002	-
0.7645	39000	0.0006	-
0.7655	39050	0.0	-
0.7665	39100	0.0	-
0.7674	39150	0.0	-
0.7684	39200	0.0	-
0.7694	39250	0.0	-
0.7704	39300	0.0	-
0.7714	39350	0.0	-
0.7723	39400	0.003	-
0.7733	39450	0.0001	-
0.7743	39500	0.0006	-
0.7753	39550	0.0	-
0.7763	39600	0.0	-
0.7772	39650	0.0	-
0.7782	39700	0.0	-
0.7792	39750	0.0	-
0.7802	39800	0.0	-
0.7812	39850	0.0	-
0.7821	39900	0.0	-
0.7831	39950	0.0006	-
0.7841	40000	0.0007	0.4086
0.7851	40050	0.0006	-
0.7861	40100	0.0	-
0.7870	40150	0.0	-
0.7880	40200	0.0	-
0.7890	40250	0.0006	-
0.7900	40300	0.0006	-
0.7910	40350	0.0	-
0.7919	40400	0.0	-
0.7929	40450	0.0	-
0.7939	40500	0.0	-
0.7949	40550	0.0	-
0.7959	40600	0.0	-
0.7968	40650	0.0	-
0.7978	40700	0.0	-
0.7988	40750	0.0	-
0.7998	40800	0.0	-
0.8008	40850	0.0	-
0.8017	40900	0.0	-
0.8027	40950	0.0	-
0.8037	41000	0.0	-
0.8047	41050	0.0	-
0.8057	41100	0.0	-
0.8066	41150	0.0	-
0.8076	41200	0.0	-
0.8086	41250	0.0	-
0.8096	41300	0.0001	-
0.8106	41350	0.0007	-
0.8115	41400	0.0	-
0.8125	41450	0.0	-
0.8135	41500	0.0	-
0.8145	41550	0.0	-
0.8155	41600	0.0	-
0.8164	41650	0.0	-
0.8174	41700	0.0	-
0.8184	41750	0.0	-
0.8194	41800	0.0	-
0.8204	41850	0.0	-
0.8213	41900	0.0	-
0.8223	41950	0.0	-
0.8233	42000	0.0	-
0.8243	42050	0.0	-
0.8253	42100	0.0	-
0.8262	42150	0.0	-
0.8272	42200	0.0	-
0.8282	42250	0.0	-
0.8292	42300	0.0	-
0.8302	42350	0.0	-
0.8311	42400	0.0	-
0.8321	42450	0.0	-
0.8331	42500	0.0	-
0.8341	42550	0.0	-
0.8351	42600	0.0	-
0.8360	42650	0.0	-
0.8370	42700	0.0	-
0.8380	42750	0.0	-
0.8390	42800	0.0	-
0.8400	42850	0.0	-
0.8409	42900	0.0	-
0.8419	42950	0.0	-
0.8429	43000	0.0	-
0.8439	43050	0.0	-
0.8449	43100	0.0	-
0.8458	43150	0.0	-
0.8468	43200	0.0	-
0.8478	43250	0.0	-
0.8488	43300	0.0	-
0.8498	43350	0.0	-
0.8507	43400	0.0	-
0.8517	43450	0.0	-
0.8527	43500	0.0	-
0.8537	43550	0.0	-
0.8547	43600	0.0	-
0.8556	43650	0.0	-
0.8566	43700	0.0	-
0.8576	43750	0.0	-
0.8586	43800	0.0	-
0.8596	43850	0.0	-
0.8605	43900	0.0	-
0.8615	43950	0.0	-
0.8625	44000	0.0	-
0.8635	44050	0.0	-
0.8645	44100	0.0	-
0.8654	44150	0.0	-
0.8664	44200	0.0	-
0.8674	44250	0.0	-
0.8684	44300	0.0	-
0.8694	44350	0.0	-
0.8703	44400	0.0	-
0.8713	44450	0.0	-
0.8723	44500	0.0	-
0.8733	44550	0.0	-
0.8743	44600	0.0	-
0.8752	44650	0.0	-
0.8762	44700	0.0	-
0.8772	44750	0.0	-
0.8782	44800	0.0	-
0.8792	44850	0.0	-
0.8802	44900	0.0	-
0.8811	44950	0.0	-
0.8821	45000	0.0	0.4173
0.8831	45050	0.0	-
0.8841	45100	0.0	-
0.8851	45150	0.0	-
0.8860	45200	0.0	-
0.8870	45250	0.0	-
0.8880	45300	0.0	-
0.8890	45350	0.0	-
0.8900	45400	0.0	-
0.8909	45450	0.0	-
0.8919	45500	0.0	-
0.8929	45550	0.0	-
0.8939	45600	0.0	-
0.8949	45650	0.0	-
0.8958	45700	0.0	-
0.8968	45750	0.0	-
0.8978	45800	0.0	-
0.8988	45850	0.0	-
0.8998	45900	0.0	-
0.9007	45950	0.0	-
0.9017	46000	0.0	-
0.9027	46050	0.0	-
0.9037	46100	0.0	-
0.9047	46150	0.0	-
0.9056	46200	0.0	-
0.9066	46250	0.0	-
0.9076	46300	0.0	-
0.9086	46350	0.0	-
0.9096	46400	0.0	-
0.9105	46450	0.0	-
0.9115	46500	0.0	-
0.9125	46550	0.0	-
0.9135	46600	0.0	-
0.9145	46650	0.0	-
0.9154	46700	0.0	-
0.9164	46750	0.0	-
0.9174	46800	0.0	-
0.9184	46850	0.0	-
0.9194	46900	0.0	-
0.9203	46950	0.0	-
0.9213	47000	0.0	-
0.9223	47050	0.0	-
0.9233	47100	0.0	-
0.9243	47150	0.0	-
0.9252	47200	0.0	-
0.9262	47250	0.0	-
0.9272	47300	0.0	-
0.9282	47350	0.0	-
0.9292	47400	0.0	-
0.9301	47450	0.0	-
0.9311	47500	0.0	-
0.9321	47550	0.0	-
0.9331	47600	0.0	-
0.9341	47650	0.0	-
0.9350	47700	0.0	-
0.9360	47750	0.0	-
0.9370	47800	0.0	-
0.9380	47850	0.0	-
0.9390	47900	0.0	-
0.9399	47950	0.0	-
0.9409	48000	0.0	-
0.9419	48050	0.0	-
0.9429	48100	0.0	-
0.9439	48150	0.0	-
0.9448	48200	0.0	-
0.9458	48250	0.0	-
0.9468	48300	0.0	-
0.9478	48350	0.0	-
0.9488	48400	0.0	-
0.9497	48450	0.0	-
0.9507	48500	0.0	-
0.9517	48550	0.0	-
0.9527	48600	0.0	-
0.9537	48650	0.0	-
0.9546	48700	0.0	-
0.9556	48750	0.0	-
0.9566	48800	0.0	-
0.9576	48850	0.0	-
0.9586	48900	0.0	-
0.9595	48950	0.0	-
0.9605	49000	0.0	-
0.9615	49050	0.0	-
0.9625	49100	0.0	-
0.9635	49150	0.0	-
0.9644	49200	0.0	-
0.9654	49250	0.0	-
0.9664	49300	0.0	-
0.9674	49350	0.0	-
0.9684	49400	0.0	-
0.9693	49450	0.0	-
0.9703	49500	0.0	-
0.9713	49550	0.0	-
0.9723	49600	0.0	-
0.9733	49650	0.0	-
0.9742	49700	0.0	-
0.9752	49750	0.0	-
0.9762	49800	0.0	-
0.9772	49850	0.0	-
0.9782	49900	0.0	-
0.9791	49950	0.0	-
0.9801	50000	0.0	0.4123
0.9811	50050	0.0	-
0.9821	50100	0.0	-
0.9831	50150	0.0	-
0.9840	50200	0.0	-
0.9850	50250	0.0	-
0.9860	50300	0.0	-
0.9870	50350	0.0	-
0.9880	50400	0.0	-
0.9889	50450	0.0	-
0.9899	50500	0.0	-
0.9909	50550	0.0	-
0.9919	50600	0.0	-
0.9929	50650	0.0	-
0.9938	50700	0.0	-
0.9948	50750	0.0	-
0.9958	50800	0.0	-
0.9968	50850	0.0	-
0.9978	50900	0.0	-
0.9987	50950	0.0	-
0.9997	51000	0.0	-

Framework Versions

Python: 3.10.12
SetFit: 1.1.2
Sentence Transformers: 4.0.2
Transformers: 4.51.0
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: 8

Safetensors

Model size

0.6B params

Tensor type

F32

Model tree for syvai/danskgpt-data-filtering

Base model

intfloat/multilingual-e5-large

Finetuned

(139)

this model