course/pr_1021/pt/_app/immutable/nodes/39.544fa84d.js

import{s as O,o as J,n as Q}from"../chunks/scheduler.37c15a92.js";import{S as V,i as W,g as f,s as p,r as P,A as X,h as d,f as o,c,j as U,u as x,x as w,k as K,y as Y,a as i,v as M,d as z,t as H,w as L}from"../chunks/index.2bf4358c.js";import{T as Z}from"../chunks/Tip.363c041f.js";import{C as ee}from"../chunks/CourseFloatingBanner.6add7356.js";import{F as te}from"../chunks/FrameworkSwitchCourse.8d4d4ab6.js";import{H as ae,E as oe}from"../chunks/getInferenceSnippets.ebf8be91.js";function re($){let t,l='Para fazer isso, terá de aproveitar tudo o que aprendeu sobre o treinamento de modelo com a API Keras no <a href="/course/chapter3">Capítulo 3</a>, a biblioteca 🤗 Datasets no <a href="/course/chapter5">Capítulo 5</a>, e a biblioteca 🤗 Tokenizers no <a href="/course/chapter6">Capítulo 6</a>. Também vamos fazer o upload dos nossos resultados para o Model Hub, assim como fizemos no <a href="/course/chapter4">Capítulo 4</a>, então realmente esse é o capítulo onde tudo se junta!',r,s,m="Cada seção pode ser lida de forma independente.";return{c(){t=f("p"),t.innerHTML=l,r=p(),s=f("p"),s.textContent=m},l(n){t=d(n,"P",{"data-svelte-h":!0}),w(t)!=="svelte-t40a9z"&&(t.innerHTML=l),r=c(n),s=d(n,"P",{"data-svelte-h":!0}),w(s)!=="svelte-1qwxwer"&&(s.textContent=m)},m(n,u){i(n,t,u),i(n,r,u),i(n,s,u)},d(n){n&&(o(t),o(r),o(s))}}}function se($){let t,l='Para fazer isso, terá de aproveitar tudo o que aprendeu sobre a API <code>Trainer</code> e a biblioteca 🤗 Accelerate no <a href="/course/chapter3">Capítulo 3</a>, a biblioteca 🤗 Datasets no <a href="/course/chapter5">Capítulo 5</a>, e a biblioteca 🤗 Tokenizers no <a href="/course/chapter6">Capítulo 6</a>. Também vamos fazer o upload dos nossos resultados para o Model Hub, assim como fizemos no <a href="/course/chapter4">Capítulo 4</a>, então realmente esse é o capítulo onde tudo se junta!',r,s,m="Cada seção pode ser lida de forma independente e irá mostrar como treinar um modelo com a API <code>Trainer</code> ou com o seu próprio laço de treinamento, utilizando 🤗 Accelerate. Sinta-se à vontade para pular qualquer parte e se concentrar na que mais lhe interessa: a API <code>Trainer</code> é excelente para o ajuste fino ou para treinar o seu modelo sem se preocupar com o que se passa nos bastidores, enquanto que o laço de treinamento com <code>Accelerate</code> permite personalizar qualquer parte que queira com mais facilidade.";return{c(){t=f("p"),t.innerHTML=l,r=p(),s=f("p"),s.innerHTML=m},l(n){t=d(n,"P",{"data-svelte-h":!0}),w(t)!=="svelte-alth2e"&&(t.innerHTML=l),r=c(n),s=d(n,"P",{"data-svelte-h":!0}),w(s)!=="svelte-lw0kq5"&&(s.innerHTML=m)},m(n,u){i(n,t,u),i(n,r,u),i(n,s,u)},d(n){n&&(o(t),o(r),o(s))}}}function ne($){let t,l="Se ler as seções em sequência, notará que elas têm bastante código e texto em comum. Essa repetição é intencional para que possa mergulhar (ou voltar mais tarde) em qualquer tarefa que lhe interesse e encontrar um exemplo completo.";return{c(){t=f("p"),t.textContent=l},l(r){t=d(r,"P",{"data-svelte-h":!0}),w(t)!=="svelte-14lie6"&&(t.textContent=l)},m(r,s){i(r,t,s)},p:Q,d(r){r&&o(t)}}}function ie($){let t,l,r,s,m,n,u,k,_,A,C,F='No <a href="/course/chapter3">Capítulo 3</a>, você viu como fazer o ajuste fino (fine-tune) de um modelo de classificação de texto. Neste capítulo, abordaremos as seguintes tarefas de NLP (também conhecido como PLN):',E,v,R="<li>Classificação dos Tokens</li> <li>Modelagem de linguagem mascarada (como BERT)</li> <li>Sumarização</li> <li>Tradução</li> <li>Modelagem de linguagem causal pré-treinamento (como GPT-2)</li> <li>Responder perguntas</li>",S,g,b,I,T,N,q,j;m=new te({props:{fw:$[0]}}),u=new ae({props:{title:"Introdução",local:"introdução",headingTag:"h1"}}),_=new ee({props:{chapter:7,classNames:"absolute z-10 right-0 top-0"}});function B(e,a){return e[0]==="pt"?se:re}let y=B($),h=y($);return b=new Z({props:{$$slots:{default:[ne]},$$scope:{ctx:$}}}),T=new oe({props:{source:"https://github.com/huggingface/course/blob/main/chapters/pt/chapter7/1.mdx"}}),{c(){t=f("meta"),l=p(),r=f("p"),s=p(),P(m.$$.fragment),n=p(),P(u.$$.fragment),k=p(),P(_.$$.fragment),A=p(),C=f("p"),C.innerHTML=F,E=p(),v=f("ul"),v.innerHTML=R,S=p(),h.c(),g=p(),P(b.$$.fragment),I=p(),P(T.$$.fragment),N=p(),q=f("p"),this.h()},l(e){const a=X("svelte-u9bgzb",document.head);t=d(a,"META",{name:!0,content:!0}),a.forEach(o),l=c(e),r=d(e,"P",{}),U(r).forEach(o),s=c(e),x(m.$$.fragment,e),n=c(e),x(u.$$.fragment,e),k=c(e),x(_.$$.fragment,e),A=c(e),C=d(e,"P",{"data-svelte-h":!0}),w(C)!=="svelte-w42oau"&&(C.innerHTML=F),E=c(e),v=d(e,"UL",{"data-svelte-h":!0}),w(v)!=="svelte-1ra2hnb"&&(v.innerHTML=R),S=c(e),h.l(e),g=c(e),x(b.$$.fragment,e),I=c(e),x(T.$$.fragment,e),N=c(e),q=d(e,"P",{}),U(q).forEach(o),this.h()},h(){K(t,"name","hf:doc:metadata"),K(t,"content",le)},m(e,a){Y(document.head,t),i(e,l,a),i(e,r,a),i(e,s,a),M(m,e,a),i(e,n,a),M(u,e,a),i(e,k,a),M(_,e,a),i(e,A,a),i(e,C,a),i(e,E,a),i(e,v,a),i(e,S,a),h.m(e,a),i(e,g,a),M(b,e,a),i(e,I,a),M(T,e,a),i(e,N,a),i(e,q,a),j=!0},p(e,[a]){const D={};a&1&&(D.fw=e[0]),m.$set(D),y!==(y=B(e))&&(h.d(1),h=y(e),h&&(h.c(),h.m(g.parentNode,g)));const G={};a&2&&(G.$$scope={dirty:a,ctx:e}),b.$set(G)},i(e){j||(z(m.$$.fragment,e),z(u.$$.fragment,e),z(_.$$.fragment,e),z(b.$$.fragment,e),z(T.$$.fragment,e),j=!0)},o(e){H(m.$$.fragment,e),H(u.$$.fragment,e),H(_.$$.fragment,e),H(b.$$.fragment,e),H(T.$$.fragment,e),j=!1},d(e){e&&(o(l),o(r),o(s),o(n),o(k),o(A),o(C),o(E),o(v),o(S),o(g),o(I),o(N),o(q)),o(t),L(m,e),L(u,e),L(_,e),h.d(e),L(b,e),L(T,e)}}}const le='{"title":"Introdução","local":"introdução","sections":[],"depth":1}';function ue($,t,l){let r="pt";return J(()=>{const s=new URLSearchParams(window.location.search);l(0,r=s.get("fw")||"pt")}),[r]}class he extends V{constructor(t){super(),W(this,t,ue,ie,O,{})}}export{he as component};