Riassunto

In questo capitolo, hai scoperto come approcciare diversi compiti di NLP utilizzando la funzione di alto livello pipeline() degli 🤗 Transformer. Abbiamo anche visto come cercare e utilizzare i modelli dell’Hub, nonché come usare l’Inference API per testare i modelli direttamente nel tuo browser.

Abbiamo discusso di come i modelli Transformer lavorino a livello alto, e parlato dell’importanza del transfer learning e dell’affinamento. Un aspetto chiave è che è possibile utilizzare l’architettuta completa oppure solo l’encoder o il decoder, dipendentemente dal compito a cui desideri lavorare. La tabella seguente riordina questi concetti:

Modello	Esempi	Compiti
Encoder	ALBERT, BERT, DistilBERT, ELECTRA, RoBERTa	Classificazione frasale, riconoscimento delle entità nominate, estrazione di risposte a domande
Decoder	CTRL, GPT, GPT-2, Transformer XL	Generazione di testi
Encoder-decoder	BART, T5, Marian, mBART	Riassunti, traduzione, generazione di risposte a domande

Update on GitHub