course/pr_1021/rum/_app/immutable/nodes/12.5cfab47e.js

import{s as U,n as N,o as j}from"../chunks/scheduler.37c15a92.js";import{S as q,i as F,g as p,s as i,r as L,A as I,h as f,f as a,c as s,j as G,u as R,x as w,k as D,y as O,a as r,v as z,d as A,t as B,w as M}from"../chunks/index.2bf4358c.js";import{C as Q}from"../chunks/CourseFloatingBanner.6add7356.js";import{H as X,E as J}from"../chunks/getInferenceSnippets.ebf8be91.js";function K(H){let n,T,h,b,l,_,o,g,u,y="În acest capitol, ați învățat cum să abordați diferite sarcini NLP utilizând funcția <code>pipeline()</code> de nivel înalt din 🤗 Transformers. De asemenea, ați descoperit cum să căutați și să utilizați modele în Hub, precum și cum să testați acestee modelee direct în browser folosind API-ul de inferență.",E,m,S="Am discutat despre modul în care funcționează modelele Transformer dintr-o perspectivă generală și despre importanța transfer learning-ului și fine-tuning-ului. Un aspect cheie este faptul că puteți utiliza întreaga arhitectură sau doar encoder-ul sau decoder-ul, în funcție de tipul de sarcină pe care doriți să o rezolvați. Următorul tabel rezumă acest aspect:",v,d,k="<thead><tr><th>Model</th> <th>Exemple</th> <th>Task-uri</th></tr></thead> <tbody><tr><td>Encoder</td> <td>ALBERT, BERT, DistilBERT, ELECTRA, RoBERTa</td> <td>Clasificarea propozițiilor, recunoașterea entităților denumite, Extractive QA</td></tr> <tr><td>Decoder</td> <td>CTRL, GPT, GPT-2, Transformer XL</td> <td>Generarea de text</td></tr> <tr><td>Encoder-decoder</td> <td>BART, T5, Marian, mBART</td> <td>Rezumare, traducere, răspunsuri generative la întrebări</td></tr></tbody>",x,c,P,$,C;return l=new X({props:{title:"Sumar",local:"sumar",headingTag:"h1"}}),o=new Q({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),c=new J({props:{source:"https://github.com/huggingface/course/blob/main/chapters/rum/chapter1/9.mdx"}}),{c(){n=p("meta"),T=i(),h=p("p"),b=i(),L(l.$$.fragment),_=i(),L(o.$$.fragment),g=i(),u=p("p"),u.innerHTML=y,E=i(),m=p("p"),m.textContent=S,v=i(),d=p("table"),d.innerHTML=k,x=i(),L(c.$$.fragment),P=i(),$=p("p"),this.h()},l(e){const t=I("svelte-u9bgzb",document.head);n=f(t,"META",{name:!0,content:!0}),t.forEach(a),T=s(e),h=f(e,"P",{}),G(h).forEach(a),b=s(e),R(l.$$.fragment,e),_=s(e),R(o.$$.fragment,e),g=s(e),u=f(e,"P",{"data-svelte-h":!0}),w(u)!=="svelte-gwd3ku"&&(u.innerHTML=y),E=s(e),m=f(e,"P",{"data-svelte-h":!0}),w(m)!=="svelte-o7n9k1"&&(m.textContent=S),v=s(e),d=f(e,"TABLE",{"data-svelte-h":!0}),w(d)!=="svelte-1352bha"&&(d.innerHTML=k),x=s(e),R(c.$$.fragment,e),P=s(e),$=f(e,"P",{}),G($).forEach(a),this.h()},h(){D(n,"name","hf:doc:metadata"),D(n,"content",V)},m(e,t){O(document.head,n),r(e,T,t),r(e,h,t),r(e,b,t),z(l,e,t),r(e,_,t),z(o,e,t),r(e,g,t),r(e,u,t),r(e,E,t),r(e,m,t),r(e,v,t),r(e,d,t),r(e,x,t),z(c,e,t),r(e,P,t),r(e,$,t),C=!0},p:N,i(e){C||(A(l.$$.fragment,e),A(o.$$.fragment,e),A(c.$$.fragment,e),C=!0)},o(e){B(l.$$.fragment,e),B(o.$$.fragment,e),B(c.$$.fragment,e),C=!1},d(e){e&&(a(T),a(h),a(b),a(_),a(g),a(u),a(E),a(m),a(v),a(d),a(x),a(P),a($)),a(n),M(l,e),M(o,e),M(c,e)}}}const V='{"title":"Sumar","local":"sumar","sections":[],"depth":1}';function W(H){return j(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ae extends q{constructor(n){super(),F(this,n,W,K,U,{})}}export{ae as component};