Buckets:
| import{s as F,n as G,o as N}from"../chunks/scheduler.37c15a92.js";import{S as O,i as R,g as d,s,r as C,A as D,h as f,f as i,c as r,j as A,u as L,x as T,k as B,y as I,a as n,v as E,d as H,t as M,w as k}from"../chunks/index.2bf4358c.js";import{C as J}from"../chunks/CourseFloatingBanner.6add7356.js";import{H as K,E as Q}from"../chunks/getInferenceSnippets.ebf8be91.js";function V(y){let a,h,v,b,l,_,o,g,m,j="Bravo à vous pour avoir suivi le cours jusqu’ici ! Pour récapituler, dans ce chapitre vous avez :",x,u,U="<li>appris les blocs de construction de base d’un <em>transformer</em>,</li> <li>appris ce qui constitue un pipeline de tokenisation,</li> <li>vu comment utiliser un <em>transformer</em> en pratique,</li> <li>appris comment tirer parti d’un <em>tokenizer</em> pour convertir du texte en tenseurs compréhensibles par le modèle,</li> <li>configurer ensemble un <em>tokenizer</em> et un modèle afin de passer du texte aux prédictions,</li> <li>appris les limites des identifiants d’entrée et ce que sont que les masques d’attention,</li> <li>joué avec des méthodes de <em>tokenizer</em> polyvalentes et configurables.</li>",z,p,S="À partir de maintenant, vous devriez être en mesure de naviguer librement dans la documentation 🤗 <em>Transformers</em>. Le vocabulaire vous semblera familier et vous avez vu les méthodes que vous utiliserez la plupart du temps.",w,c,P,$,q;return l=new K({props:{title:"Utilisation de base terminée !",local:"utilisation-de-base-terminée-",headingTag:"h1"}}),o=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/fr/chapter2/7.mdx"}}),{c(){a=d("meta"),h=s(),v=d("p"),b=s(),C(l.$$.fragment),_=s(),C(o.$$.fragment),g=s(),m=d("p"),m.textContent=j,x=s(),u=d("ul"),u.innerHTML=U,z=s(),p=d("p"),p.innerHTML=S,w=s(),C(c.$$.fragment),P=s(),$=d("p"),this.h()},l(e){const t=D("svelte-u9bgzb",document.head);a=f(t,"META",{name:!0,content:!0}),t.forEach(i),h=r(e),v=f(e,"P",{}),A(v).forEach(i),b=r(e),L(l.$$.fragment,e),_=r(e),L(o.$$.fragment,e),g=r(e),m=f(e,"P",{"data-svelte-h":!0}),T(m)!=="svelte-zuldg9"&&(m.textContent=j),x=r(e),u=f(e,"UL",{"data-svelte-h":!0}),T(u)!=="svelte-1nlpjb7"&&(u.innerHTML=U),z=r(e),p=f(e,"P",{"data-svelte-h":!0}),T(p)!=="svelte-inxawe"&&(p.innerHTML=S),w=r(e),L(c.$$.fragment,e),P=r(e),$=f(e,"P",{}),A($).forEach(i),this.h()},h(){B(a,"name","hf:doc:metadata"),B(a,"content",W)},m(e,t){I(document.head,a),n(e,h,t),n(e,v,t),n(e,b,t),E(l,e,t),n(e,_,t),E(o,e,t),n(e,g,t),n(e,m,t),n(e,x,t),n(e,u,t),n(e,z,t),n(e,p,t),n(e,w,t),E(c,e,t),n(e,P,t),n(e,$,t),q=!0},p:G,i(e){q||(H(l.$$.fragment,e),H(o.$$.fragment,e),H(c.$$.fragment,e),q=!0)},o(e){M(l.$$.fragment,e),M(o.$$.fragment,e),M(c.$$.fragment,e),q=!1},d(e){e&&(i(h),i(v),i(b),i(_),i(g),i(m),i(x),i(u),i(z),i(p),i(w),i(P),i($)),i(a),k(l,e),k(o,e),k(c,e)}}}const W='{"title":"Utilisation de base terminée !","local":"utilisation-de-base-terminée-","sections":[],"depth":1}';function X(y){return N(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ie extends O{constructor(a){super(),R(this,a,X,V,F,{})}}export{ie as component}; | |
Xet Storage Details
- Size:
- 3.18 kB
- Xet hash:
- b8115669a4be9d0496c27662a82475c80d1e4029701b8f00c8b45af2b655c31e
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.