Models
Datasets
Spaces
Docs
Enterprise
Pricing
Log In
Sign Up

course documentation

Đố vui cuối chương

course

0. Cài đặt

1. Mô hình Transformer

Giới thiệu Xử lý Ngôn Ngữ Tự nhiên Transformers có thể làm những gì? Cơ chế hoạt động của Transformer? Các mô hình mã hóa Các mô hình giải mã Các mô hình mã hoá-giải mã Thiên kiến và hạn chế Tổng kết Đố vui cuối chương

2. Sử dụng 🤗 Transformers

Giới thiệu Đằng sau pipeline Các mô hình Tokenizers Xử lý đa chuỗi Kết hợp lại Hoàn thành cách sử dụng cơ bản! Đố vui cuối chương

3. Tinh chỉnh một mô hình huấn luyện trước

Giới thiệu Xử lý dữ liệu Tinh chỉnh một mô hình với Trainer API hoặc Keras Bản huấn luyện hoàn chỉnh Tỉnh chỉnh, thử xem! Đố vui cuối chương

4. Chia sẻ các mô hình và tokenizer

Hugging Face Hub Sử dụng các mô hình huấn luyện trước Chia sẻ các mô hình huấn luyện trước Xây dựng các thẻ mô hình Hoàn thành phần 1! Đố vui cuối chương

5. Thư viện 🤗 Datasets

Giới thiệu Nếu như dữ liệu của ta không trên Hub thì sao? Sắp xếp dữ liệu Dữ liệu lớn? 🤗 Bộ dữ liệu để giải cứu! Tạo tập dữ liệu của riêng bạn Tìm kiếm ngữ nghĩa với FAISS 🤗 Datasets, kiểm tra nào! Đố vui cuối chương

6. Thư viện 🤗 Tokenizers

Giới thiệu Huấn luyện một tokenizer mới từ cái cũ Sức mạnh đặc biệt của tokenizer nhanh Tokenizer nhanh trong pipeline QA Chuẩn hoá và tiền tokenize Byte-Pair Encoding tokenization WordPiece tokenization Unigram tokenization Xây dựng từng khối tokenizer Tokenizers, kiểm tra nào! Đố vui cuối chương

7. Các tác vụ NLP chính

Giới thiệu Phân loại token Tinh chỉnh một mô hình ngôn ngữ bị ẩn đi Dịch máy Tóm tắt Huấn luyện một mô hình ngôn ngữ nhân quả từ đầu Hỏi đáp Làm chủ NLP Đố vui cuối chương

8. Làm thế nào để yêu cầu giúp đỡ

Giới thiệu Phải làm gì khi bạn gặp lỗi Yêu cầu trợ giúp trên diễn đàn Gỡ lỗi quy trình huấn luyện Làm thế nào để viết một vấn đề hay Phần 2 đã hoàn thành! Đố vui cuối chương

9. Xây dựng và chia sẻ các demo

Giới thiệu về Gradio Xây dựng bản demo đầu tiên của bạn Hiểu lớp Interface Chia sẻ các bản demo với người khác Tích hợp với Hugging Face Hub Các tính năng nâng cao của Interface Giới thiệu về Gradio Blocks Gradio, kiểm tra nào! Đố vui cuối chương

Sự kiện Khoá học

Sự kiện Phát hành Phần 2

Join the Hugging Face community

and get access to the augmented documentation experience

Collaborate on models, datasets and Spaces

Faster examples with accelerated inference

Switch between documentation themes

to get started

Pytorch TensorFlow

Đố vui cuối chương

Hãy kiểm tra những gì bạn đã học được trong chương này!

1. Các mô hình tải lên trên Hub có giới hạn gì?

Mô hình từ thư viện 🤗 Transformers. Tất cả các mô hình có giao diện tương tự như 🤗 Transformers. Không có giới hạn. Các mô hình theo một cách nào đó có liên quan đến NLP.

2. Bạn có thể quản lý các mô hình trên Hub bằng cách nào?

Thông qua một tài khoản GCP. Thông qua phân phối ngang hàng. Thông qua git và git-lfs.

3. Bạn có thể làm những gì khi sử dụng giao diện web Hugging Face Hub?

Fork một kho lưu trữ hiện có. Tạo kho lưu trữ mô hình mới. Quản lý và chỉnh sửa tệp. Tải lên tệp. Xem sự khác biệt giữa các phiên bản.

4. Thẻ mô hình là gì?

Mô tả sơ bộ về mô hình, do đó ít quan trọng hơn mô hình và tệp tokenizer. Một cách để đảm bảo khả năng tái tạo, khả năng tái sử dụng và tính công bằng. Một tệp Python có thể được chạy để truy xuất thông tin về mô hình.

5. Đối tượng nào sau đây của thư viện 🤗 Transformers có thể được chia sẻ trực tiếp trên Hub với push_to_hub() ?

Một tokenizer Một tệp cấu hình mô hình Một mô hình Một Trainer

6. Bước đầu tiên khi sử dụng phương thức push_to_hub() hoặc các công cụ CLI là gì?

Đăng nhập trên trang web. Chạy 'huggingface-cli login' trên terminal. Chạy 'notebook_login()' trong notebook.

7. Bạn đang sử dụng một mô hình và một tokenizer - làm cách nào bạn có thể tải chúng lên Hub?

Bằng cách gọi phương thức push_to_hub trực tiếp trên mô hình và tokenizer. Trong thời gian chạy Python, bằng cách gói chúng trong tiện ích huggingface_hub. Bằng cách lưu chúng vào ổ đĩa và gọi lệnh transformers-cli upload-model

8. Bạn có thể thực hiện các thao tác git nào với Repository ?

Commit (Cam kết) Pull (Kéo lại) Push (Đẩy lên) Merge (Gộp)

Update on GitHub

←Hoàn thành phần 1! Giới thiệu→

Đố vui cuối chương 1. Các mô hình tải lên trên Hub có giới hạn gì? 2. Bạn có thể quản lý các mô hình trên Hub bằng cách nào? 3. Bạn có thể làm những gì khi sử dụng giao diện web Hugging Face Hub? 4. Thẻ mô hình là gì? 5. Đối tượng nào sau đây của thư viện 🤗 Transformers có thể được chia sẻ trực tiếp trên Hub với push_to_hub() ? 6. Bước đầu tiên khi sử dụng phương thức push_to_hub() hoặc các công cụ CLI là gì? 7. Bạn đang sử dụng một mô hình và một tokenizer - làm cách nào bạn có thể tải chúng lên Hub? 8. Bạn có thể thực hiện các thao tác git nào với Repository ?