Buckets:

rtrm's picture
download
raw
3.11 kB
import{s as O,n as j,o as B}from"../chunks/scheduler.37c15a92.js";import{S as F,i as G,g as f,s as n,r as T,A as N,h as d,f as i,c as l,j as S,u as y,x as E,k as D,y as R,a,v as I,d as k,t as H,w as L}from"../chunks/index.2bf4358c.js";import{C as J}from"../chunks/CourseFloatingBanner.9ff4c771.js";import{H as K,E as Q}from"../chunks/getInferenceSnippets.8b9eb92a.js";function V(M){let o,v,$,b,s,h,r,_,m,U="Ottimo lavoro per aver seguito il corso fino a questo punto! Per fare un riassunto, in questo capitolo abbiamo visto:",z,p,q="<li>Imparare gli elementi di base di un modello Transformer.</li> <li>Imparare a conoscere gli elementi che compongono una pipeline di tokenizzazione.</li> <li>Hai visto come utilizzare un modello Transformer nella pratica.</li> <li>Imparare a sfruttare un tokenizer per convertire il testo in tensori comprensibili dal modello.</li> <li>Impostare un tokenizer e un modello insieme per passare dal testo alle previsioni.</li> <li>Imparare i limiti degli ID di input e conoscere le maschere di attenzione.</li> <li>Abbiamo giocato con metodi di tokenizzazione versatili e configurabili.</li>",x,u,A="D’ora in poi, dovreste essere in grado di navigare liberamente nella documentazione di Transformers 🤗: il vocabolario vi suonerà familiare e avrete già visto i metodi che userete la maggior parte delle volte.",C,c,P,g,w;return s=new K({props:{title:"Uso di base completato!",local:"uso-di-base-completato",headingTag:"h1"}}),r=new J({props:{chapter:2,classNames:"absolute z-10 right-0 top-0"}}),c=new Q({props:{source:"https://github.com/huggingface/course/blob/main/chapters/it/chapter2/7.mdx"}}),{c(){o=f("meta"),v=n(),$=f("p"),b=n(),T(s.$$.fragment),h=n(),T(r.$$.fragment),_=n(),m=f("p"),m.textContent=U,z=n(),p=f("ul"),p.innerHTML=q,x=n(),u=f("p"),u.textContent=A,C=n(),T(c.$$.fragment),P=n(),g=f("p"),this.h()},l(e){const t=N("svelte-u9bgzb",document.head);o=d(t,"META",{name:!0,content:!0}),t.forEach(i),v=l(e),$=d(e,"P",{}),S($).forEach(i),b=l(e),y(s.$$.fragment,e),h=l(e),y(r.$$.fragment,e),_=l(e),m=d(e,"P",{"data-svelte-h":!0}),E(m)!=="svelte-1npapsx"&&(m.textContent=U),z=l(e),p=d(e,"UL",{"data-svelte-h":!0}),E(p)!=="svelte-mbys20"&&(p.innerHTML=q),x=l(e),u=d(e,"P",{"data-svelte-h":!0}),E(u)!=="svelte-1yp8993"&&(u.textContent=A),C=l(e),y(c.$$.fragment,e),P=l(e),g=d(e,"P",{}),S(g).forEach(i),this.h()},h(){D(o,"name","hf:doc:metadata"),D(o,"content",W)},m(e,t){R(document.head,o),a(e,v,t),a(e,$,t),a(e,b,t),I(s,e,t),a(e,h,t),I(r,e,t),a(e,_,t),a(e,m,t),a(e,z,t),a(e,p,t),a(e,x,t),a(e,u,t),a(e,C,t),I(c,e,t),a(e,P,t),a(e,g,t),w=!0},p:j,i(e){w||(k(s.$$.fragment,e),k(r.$$.fragment,e),k(c.$$.fragment,e),w=!0)},o(e){H(s.$$.fragment,e),H(r.$$.fragment,e),H(c.$$.fragment,e),w=!1},d(e){e&&(i(v),i($),i(b),i(h),i(_),i(m),i(z),i(p),i(x),i(u),i(C),i(P),i(g)),i(o),L(s,e),L(r,e),L(c,e)}}}const W='{"title":"Uso di base completato!","local":"uso-di-base-completato","sections":[],"depth":1}';function X(M){return B(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ie extends F{constructor(o){super(),G(this,o,X,V,O,{})}}export{ie as component};

Xet Storage Details

Size:
3.11 kB
·
Xet hash:
04116e7baedbaf0f1ba0f5da1d175ee98a00eab3fe54c304e0e2af124accc888

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.