Buckets:

rtrm's picture
download
raw
18.8 kB
import{s as we,o as _e}from"../chunks/scheduler.39a43cde.js";import{S as Ce,i as Ze,g as f,s as d,r as w,m as Ue,A as ve,h as y,f as r,c as u,j as z,u as _,n as xe,x as W,k as v,y as p,a as M,v as C,t as g,b as je,d as J,w as Z,p as ke}from"../chunks/index.23ec2204.js";import{T as We}from"../chunks/Tip.99600415.js";import{C as D}from"../chunks/CodeBlock.0e2be86f.js";import{C as $e}from"../chunks/CourseFloatingBanner.7c35bccf.js";import{F as Ve}from"../chunks/FrameworkSwitchCourse.9ca78d26.js";import{E as Ne}from"../chunks/getInferenceSnippets.5ece089d.js";function Ee(k){let s,n;return s=new $e({props:{chapter:4,classNames:"absolute z-10 right-0 top-0",notebooks:[{label:"Google Colab",value:"https://colab.research.google.com/github/huggingface/notebooks/blob/master/course/fa/chapter4/section2_tf.ipynb"},{label:"Aws Studio",value:"https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/master/course/fa/chapter4/section2_tf.ipynb"}]}}),{c(){w(s.$$.fragment)},l(a){_(s.$$.fragment,a)},m(a,c){C(s,a,c),n=!0},i(a){n||(J(s.$$.fragment,a),n=!0)},o(a){g(s.$$.fragment,a),n=!1},d(a){Z(s,a)}}}function ze(k){let s,n;return s=new $e({props:{chapter:4,classNames:"absolute z-10 right-0 top-0",notebooks:[{label:"Google Colab",value:"https://colab.research.google.com/github/huggingface/notebooks/blob/master/course/fa/chapter4/section2_pt.ipynb"},{label:"Aws Studio",value:"https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/master/course/fa/chapter4/section2_pt.ipynb"}]}}),{c(){w(s.$$.fragment)},l(a){_(s.$$.fragment,a)},m(a,c){C(s,a,c),n=!0},i(a){n||(J(s.$$.fragment,a),n=!0)},o(a){g(s.$$.fragment,a),n=!1},d(a){Z(s,a)}}}function Ie(k){let s,n,a,c,T='با این حال توصیه می‌کنیم به جای این کار، از کلاس‌هایی استفاده کنید که نام آن‌ها با <span dir="ltr"><a href="https://huggingface.co/transformers/model_doc/auto.html?highlight=auto#auto-classes" rel="nofollow"><code>TFAuto*</code></a></span> شروع می‌شود؛ چرا که طراحی این کلاس‌های خودکار به گونه‌ایست که فارغ از هرگونه وابستگی به معماری به کار رفته هستند. در حالی که نمونه کد قبلی، کاربران را محدود به نقاط تعلیم قابل بارگذاری در معماری CamemBERT می‌کند، استفاده از کلاس‌های <span dir="ltr"><code>TFAuto*</code></span>، تعویض نقاط تعلیم را ساده‌تر می‌نماید:',j,l,b,m;return n=new D({props:{code:"ZnJvbSUyMHRyYW5zZm9ybWVycyUyMGltcG9ydCUyMENhbWVtYmVydFRva2VuaXplciUyQyUyMFRGQ2FtZW1iZXJ0Rm9yTWFza2VkTE0lMEElMEF0b2tlbml6ZXIlMjAlM0QlMjBDYW1lbWJlcnRUb2tlbml6ZXIuZnJvbV9wcmV0cmFpbmVkKCUyMmNhbWVtYmVydC1iYXNlJTIyKSUwQW1vZGVsJTIwJTNEJTIwVEZDYW1lbWJlcnRGb3JNYXNrZWRMTS5mcm9tX3ByZXRyYWluZWQoJTIyY2FtZW1iZXJ0LWJhc2UlMjIp",highlighted:`<span class="hljs-keyword">from</span> transformers <span class="hljs-keyword">import</span> CamembertTokenizer, TFCamembertForMaskedLM
tokenizer = CamembertTokenizer.from_pretrained(<span class="hljs-string">&quot;camembert-base&quot;</span>)
model = TFCamembertForMaskedLM.from_pretrained(<span class="hljs-string">&quot;camembert-base&quot;</span>)`,wrap:!1}}),b=new D({props:{code:"ZnJvbSUyMHRyYW5zZm9ybWVycyUyMGltcG9ydCUyMEF1dG9Ub2tlbml6ZXIlMkMlMjBURkF1dG9Nb2RlbEZvck1hc2tlZExNJTBBJTBBdG9rZW5pemVyJTIwJTNEJTIwQXV0b1Rva2VuaXplci5mcm9tX3ByZXRyYWluZWQoJTIyY2FtZW1iZXJ0LWJhc2UlMjIpJTBBbW9kZWwlMjAlM0QlMjBURkF1dG9Nb2RlbEZvck1hc2tlZExNLmZyb21fcHJldHJhaW5lZCglMjJjYW1lbWJlcnQtYmFzZSUyMik=",highlighted:`<span class="hljs-keyword">from</span> transformers <span class="hljs-keyword">import</span> AutoTokenizer, TFAutoModelForMaskedLM
tokenizer = AutoTokenizer.from_pretrained(<span class="hljs-string">&quot;camembert-base&quot;</span>)
model = TFAutoModelForMaskedLM.from_pretrained(<span class="hljs-string">&quot;camembert-base&quot;</span>)`,wrap:!1}}),{c(){s=f("div"),w(n.$$.fragment),a=d(),c=f("p"),c.innerHTML=T,j=d(),l=f("div"),w(b.$$.fragment),this.h()},l(e){s=y(e,"DIV",{dir:!0});var i=z(s);_(n.$$.fragment,i),i.forEach(r),a=u(e),c=y(e,"P",{"data-svelte-h":!0}),W(c)!=="svelte-1bhpwkc"&&(c.innerHTML=T),j=u(e),l=y(e,"DIV",{dir:!0});var U=z(l);_(b.$$.fragment,U),U.forEach(r),this.h()},h(){v(s,"dir","ltr"),v(l,"dir","ltr")},m(e,i){M(e,s,i),C(n,s,null),M(e,a,i),M(e,c,i),M(e,j,i),M(e,l,i),C(b,l,null),m=!0},i(e){m||(J(n.$$.fragment,e),J(b.$$.fragment,e),m=!0)},o(e){g(n.$$.fragment,e),g(b.$$.fragment,e),m=!1},d(e){e&&(r(s),r(a),r(c),r(j),r(l)),Z(n),Z(b)}}}function Qe(k){let s,n,a,c,T='با این حال توصیه می‌کنیم به جای این کار، از کلاس‌هایی استفاده کنید که نام آن‌ها با <span dir="ltr"><a href="https://huggingface.co/transformers/model_doc/auto.html?highlight=auto#auto-classes" rel="nofollow"><code>Auto*</code></a></span> شروع می‌شود؛ چرا که طراحی این کلاس‌های خودکار به گونه‌ایست که فارغ از هرگونه وابستگی به معماری به کار رفته هستند. در حالی که نمونه کد قبلی، کاربران را محدود به نقاط تعلیم قابل بارگذاری در معماری CamemBERT می‌کند، استفاده از کلاس‌های <span dir="ltr"><code>Auto*</code></span>، تعویض نقاط تعلیم را ساده‌تر می‌نماید:',j,l,b,m;return n=new D({props:{code:"ZnJvbSUyMHRyYW5zZm9ybWVycyUyMGltcG9ydCUyMENhbWVtYmVydFRva2VuaXplciUyQyUyMENhbWVtYmVydEZvck1hc2tlZExNJTBBJTBBdG9rZW5pemVyJTIwJTNEJTIwQ2FtZW1iZXJ0VG9rZW5pemVyLmZyb21fcHJldHJhaW5lZCglMjJjYW1lbWJlcnQtYmFzZSUyMiklMEFtb2RlbCUyMCUzRCUyMENhbWVtYmVydEZvck1hc2tlZExNLmZyb21fcHJldHJhaW5lZCglMjJjYW1lbWJlcnQtYmFzZSUyMik=",highlighted:`<span class="hljs-keyword">from</span> transformers <span class="hljs-keyword">import</span> CamembertTokenizer, CamembertForMaskedLM
tokenizer = CamembertTokenizer.from_pretrained(<span class="hljs-string">&quot;camembert-base&quot;</span>)
model = CamembertForMaskedLM.from_pretrained(<span class="hljs-string">&quot;camembert-base&quot;</span>)`,wrap:!1}}),b=new D({props:{code:"ZnJvbSUyMHRyYW5zZm9ybWVycyUyMGltcG9ydCUyMEF1dG9Ub2tlbml6ZXIlMkMlMjBBdXRvTW9kZWxGb3JNYXNrZWRMTSUwQSUwQXRva2VuaXplciUyMCUzRCUyMEF1dG9Ub2tlbml6ZXIuZnJvbV9wcmV0cmFpbmVkKCUyMmNhbWVtYmVydC1iYXNlJTIyKSUwQW1vZGVsJTIwJTNEJTIwQXV0b01vZGVsRm9yTWFza2VkTE0uZnJvbV9wcmV0cmFpbmVkKCUyMmNhbWVtYmVydC1iYXNlJTIyKQ==",highlighted:`<span class="hljs-keyword">from</span> transformers <span class="hljs-keyword">import</span> AutoTokenizer, AutoModelForMaskedLM
tokenizer = AutoTokenizer.from_pretrained(<span class="hljs-string">&quot;camembert-base&quot;</span>)
model = AutoModelForMaskedLM.from_pretrained(<span class="hljs-string">&quot;camembert-base&quot;</span>)`,wrap:!1}}),{c(){s=f("div"),w(n.$$.fragment),a=d(),c=f("p"),c.innerHTML=T,j=d(),l=f("div"),w(b.$$.fragment),this.h()},l(e){s=y(e,"DIV",{dir:!0});var i=z(s);_(n.$$.fragment,i),i.forEach(r),a=u(e),c=y(e,"P",{"data-svelte-h":!0}),W(c)!=="svelte-1e9jov8"&&(c.innerHTML=T),j=u(e),l=y(e,"DIV",{dir:!0});var U=z(l);_(b.$$.fragment,U),U.forEach(r),this.h()},h(){v(s,"dir","ltr"),v(l,"dir","ltr")},m(e,i){M(e,s,i),C(n,s,null),M(e,a,i),M(e,c,i),M(e,j,i),M(e,l,i),C(b,l,null),m=!0},i(e){m||(J(n.$$.fragment,e),J(b.$$.fragment,e),m=!0)},o(e){g(n.$$.fragment,e),g(b.$$.fragment,e),m=!1},d(e){e&&(r(s),r(a),r(c),r(j),r(l)),Z(n),Z(b)}}}function Be(k){let s;return{c(){s=Ue("هنگامی که مدلی از پیش تعلیم دیده را استفاده می‌کنید، حتما بررسی کنید که این تعلیم چگونه و روی چه دیتاسِت‌هایی صورت پذیرفته و چه محدودیت‌ها و سوگیری‌هایی را شامل می‌شود. تمامی این اطلاعات می‌بایست در صفحه توضیحات مدل نشان داده شوند.")},l(n){s=xe(n,"هنگامی که مدلی از پیش تعلیم دیده را استفاده می‌کنید، حتما بررسی کنید که این تعلیم چگونه و روی چه دیتاسِت‌هایی صورت پذیرفته و چه محدودیت‌ها و سوگیری‌هایی را شامل می‌شود. تمامی این اطلاعات می‌بایست در صفحه توضیحات مدل نشان داده شوند.")},m(n,a){M(n,s,a)},d(n){n&&r(s)}}}function Fe(k){let s,n,a,c,T,j,l,b,m,e,i,U,me="هاب مدل‌ها، انتخاب مدل مناسب را ساده می‌کند؛ به طوری که می‌توان با چند خط کد، آن را در هر کتابخانه پایین‌دستی وابسته استفاده نمود. بیایید نگاهی به نحوه عملی بکارگیری یکی از این مدل‌ها انداخته و ببینیم چگونه می‌توانیم در جامعه کاربران مشارکت داشته باشیم.",ee,X,pe="فرض کنید به دنبال مدلی مبتنی بر زبان فرانسوی هستیم که قادر به پر کردن جاهای خالی متن است.",te,I,de='<img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter4/camembert.gif" alt="انتخاب مدل Camembert" width="80%"/>',se,R,ue='نقطه تعلیم <code>camembert-base</code> را انتخاب می‌کنیم تا مدل را با آن آزمایش نماییم. برای شروع استفاده از آن، تمام آنچه نیاز داریم شناسه <code>camembert-base</code> است! همان گونه که در فصل‌های پیشین دیدید، می‌توانیم با استفاده از تابع <span dir="ltr"><code>pipeline()</code></span> نمونه‌ای از آن بسازیم:',le,V,Q,ae,B,ne,S,be="همان طور که می‌بینید، بارگذاری مدل در داخل خط تولید بسیار ساده است. تنها چیزی که باید مراقبش باشید این است که نقطه تعلیم انتخاب شده، مناسب مسئله‌ای باشد که برای حل آن به کار گرفته خواهد شد. برای مثال، در اینجا نقطه تعلیم <code>camembert-base</code> را در خط تولید <code>fill-mask</code> استفاده می‌کنیم، که انتخابی کاملا معقول است. اما اگر ما این نقطه تعلیم را در خط تولید <code>text-classification</code> به کار بگیریم، نتایج هیچ معنایی نخواهند داشت؛ زیرا سَر مربوط به <code>camembert-base</code> برای این نوع مسئله مناسب نیست. توصیه می‌کنیم برای گزینش نقاط تعلیم مناسب، از قسمت انتخاب مسئله در رابط کاربری هاب هاگینگ‌فِیس استفاده نمایید:",re,F,he='<img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter4/tasks.png" alt="بخش انتخاب مسئله در رابط کاربری تحت وب" width="80%"/>',ce,L,Me="همچنین می‌توانید ایجاد نمونه از نقطه تعلیم مد نظر را مستقیما با استفاده از معماری مدل انجام دهید:",oe,x,$,H,N,P,G,K,q,O;T=new Ve({props:{fw:k[0]}});const fe=[ze,Ee],Y=[];function ye(t,h){return t[0]==="pt"?0:1}m=ye(k),e=Y[m]=fe[m](k),Q=new D({props:{code:"ZnJvbSUyMHRyYW5zZm9ybWVycyUyMGltcG9ydCUyMHBpcGVsaW5lJTBBJTBBY2FtZW1iZXJ0X2ZpbGxfbWFzayUyMCUzRCUyMHBpcGVsaW5lKCUyMmZpbGwtbWFzayUyMiUyQyUyMG1vZGVsJTNEJTIyY2FtZW1iZXJ0LWJhc2UlMjIpJTBBcmVzdWx0cyUyMCUzRCUyMGNhbWVtYmVydF9maWxsX21hc2soJTIyTGUlMjBjYW1lbWJlcnQlMjBlc3QlMjAlM0NtYXNrJTNFJTIwJTNBKSUyMik=",highlighted:`<span class="hljs-keyword">from</span> transformers <span class="hljs-keyword">import</span> pipeline
camembert_fill_mask = pipeline(<span class="hljs-string">&quot;fill-mask&quot;</span>, model=<span class="hljs-string">&quot;camembert-base&quot;</span>)
results = camembert_fill_mask(<span class="hljs-string">&quot;Le camembert est &lt;mask&gt; :)&quot;</span>)`,wrap:!1}}),B=new D({props:{code:"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",highlighted:`[
{<span class="hljs-string">&#x27;sequence&#x27;</span>: <span class="hljs-string">&#x27;Le camembert est délicieux :)&#x27;</span>, <span class="hljs-string">&#x27;score&#x27;</span>: <span class="hljs-number">0.49091005325317383</span>, <span class="hljs-string">&#x27;token&#x27;</span>: <span class="hljs-number">7200</span>, <span class="hljs-string">&#x27;token_str&#x27;</span>: <span class="hljs-string">&#x27;délicieux&#x27;</span>},
{<span class="hljs-string">&#x27;sequence&#x27;</span>: <span class="hljs-string">&#x27;Le camembert est excellent :)&#x27;</span>, <span class="hljs-string">&#x27;score&#x27;</span>: <span class="hljs-number">0.1055697426199913</span>, <span class="hljs-string">&#x27;token&#x27;</span>: <span class="hljs-number">2183</span>, <span class="hljs-string">&#x27;token_str&#x27;</span>: <span class="hljs-string">&#x27;excellent&#x27;</span>},
{<span class="hljs-string">&#x27;sequence&#x27;</span>: <span class="hljs-string">&#x27;Le camembert est succulent :)&#x27;</span>, <span class="hljs-string">&#x27;score&#x27;</span>: <span class="hljs-number">0.03453313186764717</span>, <span class="hljs-string">&#x27;token&#x27;</span>: <span class="hljs-number">26202</span>, <span class="hljs-string">&#x27;token_str&#x27;</span>: <span class="hljs-string">&#x27;succulent&#x27;</span>},
{<span class="hljs-string">&#x27;sequence&#x27;</span>: <span class="hljs-string">&#x27;Le camembert est meilleur :)&#x27;</span>, <span class="hljs-string">&#x27;score&#x27;</span>: <span class="hljs-number">0.0330314114689827</span>, <span class="hljs-string">&#x27;token&#x27;</span>: <span class="hljs-number">528</span>, <span class="hljs-string">&#x27;token_str&#x27;</span>: <span class="hljs-string">&#x27;meilleur&#x27;</span>},
{<span class="hljs-string">&#x27;sequence&#x27;</span>: <span class="hljs-string">&#x27;Le camembert est parfait :)&#x27;</span>, <span class="hljs-string">&#x27;score&#x27;</span>: <span class="hljs-number">0.03007650189101696</span>, <span class="hljs-string">&#x27;token&#x27;</span>: <span class="hljs-number">1654</span>, <span class="hljs-string">&#x27;token_str&#x27;</span>: <span class="hljs-string">&#x27;parfait&#x27;</span>}
]`,wrap:!1}});const ge=[Qe,Ie],A=[];function Je(t,h){return t[0]==="pt"?0:1}return x=Je(k),$=A[x]=ge[x](k),N=new We({props:{$$slots:{default:[Be]},$$scope:{ctx:k}}}),G=new Ne({props:{source:"https://github.com/huggingface/course/blob/main/chapters/fa/chapter4/2.mdx"}}),{c(){s=f("meta"),n=d(),a=f("p"),c=d(),w(T.$$.fragment),j=d(),l=f("div"),b=Ue(`# بکارگیری مدل‌های از پیش تعلیم دیده
`),e.c(),i=d(),U=f("p"),U.textContent=me,ee=d(),X=f("p"),X.textContent=pe,te=d(),I=f("div"),I.innerHTML=de,se=d(),R=f("p"),R.innerHTML=ue,le=d(),V=f("div"),w(Q.$$.fragment),ae=d(),w(B.$$.fragment),ne=d(),S=f("p"),S.innerHTML=be,re=d(),F=f("div"),F.innerHTML=he,ce=d(),L=f("p"),L.textContent=Me,oe=d(),$.c(),H=d(),w(N.$$.fragment),P=d(),w(G.$$.fragment),K=d(),q=f("p"),this.h()},l(t){const h=ve("svelte-u9bgzb",document.head);s=y(h,"META",{name:!0,content:!0}),h.forEach(r),n=u(t),a=y(t,"P",{}),z(a).forEach(r),c=u(t),_(T.$$.fragment,t),j=u(t),l=y(t,"DIV",{dir:!0});var o=z(l);b=xe(o,`# بکارگیری مدل‌های از پیش تعلیم دیده
`),e.l(o),i=u(o),U=y(o,"P",{"data-svelte-h":!0}),W(U)!=="svelte-1d2qw3v"&&(U.textContent=me),ee=u(o),X=y(o,"P",{"data-svelte-h":!0}),W(X)!=="svelte-khsshe"&&(X.textContent=pe),te=u(o),I=y(o,"DIV",{class:!0,"data-svelte-h":!0}),W(I)!=="svelte-1duuvo4"&&(I.innerHTML=de),se=u(o),R=y(o,"P",{"data-svelte-h":!0}),W(R)!=="svelte-1m62vjl"&&(R.innerHTML=ue),le=u(o),V=y(o,"DIV",{dir:!0});var E=z(V);_(Q.$$.fragment,E),ae=u(E),_(B.$$.fragment,E),E.forEach(r),ne=u(o),S=y(o,"P",{"data-svelte-h":!0}),W(S)!=="svelte-1jdwhbk"&&(S.innerHTML=be),re=u(o),F=y(o,"DIV",{class:!0,"data-svelte-h":!0}),W(F)!=="svelte-1nrgybi"&&(F.innerHTML=he),ce=u(o),L=y(o,"P",{"data-svelte-h":!0}),W(L)!=="svelte-kc4u3d"&&(L.textContent=Me),oe=u(o),$.l(o),H=u(o),_(N.$$.fragment,o),o.forEach(r),P=u(t),_(G.$$.fragment,t),K=u(t),q=y(t,"P",{}),z(q).forEach(r),this.h()},h(){v(s,"name","hf:doc:metadata"),v(s,"content",Ge),v(I,"class","flex justify-center"),v(V,"dir","ltr"),v(F,"class","flex justify-center"),v(l,"dir","rtl")},m(t,h){p(document.head,s),M(t,n,h),M(t,a,h),M(t,c,h),C(T,t,h),M(t,j,h),M(t,l,h),p(l,b),Y[m].m(l,null),p(l,i),p(l,U),p(l,ee),p(l,X),p(l,te),p(l,I),p(l,se),p(l,R),p(l,le),p(l,V),C(Q,V,null),p(V,ae),C(B,V,null),p(l,ne),p(l,S),p(l,re),p(l,F),p(l,ce),p(l,L),p(l,oe),A[x].m(l,null),p(l,H),C(N,l,null),M(t,P,h),C(G,t,h),M(t,K,h),M(t,q,h),O=!0},p(t,[h]){const o={};h&1&&(o.fw=t[0]),T.$set(o);let E=m;m=ye(t),m!==E&&(ke(),g(Y[E],1,1,()=>{Y[E]=null}),je(),e=Y[m],e||(e=Y[m]=fe[m](t),e.c()),J(e,1),e.m(l,i));let ie=x;x=Je(t),x!==ie&&(ke(),g(A[ie],1,1,()=>{A[ie]=null}),je(),$=A[x],$||($=A[x]=ge[x](t),$.c()),J($,1),$.m(l,H));const Te={};h&2&&(Te.$$scope={dirty:h,ctx:t}),N.$set(Te)},i(t){O||(J(T.$$.fragment,t),J(e),J(Q.$$.fragment,t),J(B.$$.fragment,t),J($),J(N.$$.fragment,t),J(G.$$.fragment,t),O=!0)},o(t){g(T.$$.fragment,t),g(e),g(Q.$$.fragment,t),g(B.$$.fragment,t),g($),g(N.$$.fragment,t),g(G.$$.fragment,t),O=!1},d(t){t&&(r(n),r(a),r(c),r(j),r(l),r(P),r(K),r(q)),r(s),Z(T,t),Y[m].d(),Z(Q),Z(B),A[x].d(),Z(N),Z(G,t)}}}const Ge="undefined";function Ye(k,s,n){let a="pt";return _e(()=>{const c=new URLSearchParams(window.location.search);n(0,a=c.get("fw")||"pt")}),[a]}class He extends Ce{constructor(s){super(),Ze(this,s,Ye,Fe,we,{})}}export{He as component};

Xet Storage Details

Size:
18.8 kB
·
Xet hash:
4cae5f396c43cd0ad883179802bbbf2460afdb7f8b22248522fa8b96dd4c44a1

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