course/pr_1021/rum/_app/immutable/nodes/50.d1bcebd4.js

import{s as ae,o as ie}from"../chunks/scheduler.37c15a92.js";import{S as ne,i as re,g as Q,s as u,r as m,A as ce,h as W,f as i,c as l,j as ee,u as p,x as ue,k as te,y as le,a as c,v as d,t as s,b as se,d as o,w as f,p as oe}from"../chunks/index.2bf4358c.js";import{C as me}from"../chunks/CourseFloatingBanner.6add7356.js";import{Q as L}from"../chunks/Question.e61af2ef.js";import{F as pe}from"../chunks/FrameworkSwitchCourse.8d4d4ab6.js";import{H as k,E as de}from"../chunks/getInferenceSnippets.ebf8be91.js";function fe(R){let $,C,g,w,x,z,v,T,_,j,h,P;return $=new k({props:{title:"4. Ce se întâmplă când instanțiați una dintre clasele TFAutoModelForXxx cu un model de limbaj preantrenat (cum ar fi bert-base-uncased ), care corespunde unei alte sarcini decât cea pentru care a fost antrenat?",local:"4-ce-se-întâmplă-când-instanțiați-una-dintre-clasele-tfautomodelforxxx-cu-un-model-de-limbaj-preantrenat-cum-ar-fi-bert-base-uncased--care-corespunde-unei-alte-sarcini-decât-cea-pentru-care-a-fost-antrenat",headingTag:"h3"}}),g=new L({props:{choices:[{text:"Nimic, dar primești un avertisment.",explain:"Primiți un avertisment, dar asta nu e tot!"},{text:"Head-ul modelului preantrenat este eliminat, iar în locul lui este inserat un head nou, potrivit pentru sarcină.",explain:"Corect. De exemplu, când am folosit <code>TFAutoModelForSequenceClassification</code> cu <code>bert-base-uncased</code>, am primit avertismente la instanțierea modelului. Head-ul preantrenat nu este folosit pentru sarcina de clasificare secvențială, așa că este eliminat și un nou head este instanțiat cu greutăți inițializate aleator.",correct:!0},{text:"Head-ul modelului preantrenat este eliminat.",explain:"Mai trebuie să se întâmple și altceva. Încercați din nou!"},{text:"Nimic, pentru că modelul poate fi ajustat fin (fine-tuned) chiar și pentru o altă sarcină.",explain:"Head-ul preantrenat al modelului nu a fost antrenat pentru această sarcină, deci trebuie eliminat!"}]}}),x=new k({props:{title:"5. Modelele TensorFlow din transformers sunt deja modele Keras. Ce avantaj oferă acest lucru?",local:"5-modelele-tensorflow-din-transformers-sunt-deja-modele-keras-ce-avantaj-oferă-acest-lucru",headingTag:"h3"}}),v=new L({props:{choices:[{text:"Modelele funcționează pe un TPU din start.",explain:"Ești pe aproape! Totuși, sunt necesare câteva modificări suplimentare. De exemplu, trebuie să rulați totul într-un context <code>TPUStrategy</code>, inclusiv inițializarea modelului."},{text:"Puteți valorifica metodele existente precum <code>compile()</code>, <code>fit()</code> și <code>predict()</code>.",explain:"Corect! Odată ce aveți datele, antrenarea necesită foarte puțin efort.",correct:!0},{text:"Învățați atât Keras, cât și transformers.",explain:"Corect, dar căutăm altceva :)",correct:!0},{text:"Puteți calcula cu ușurință metrici legate de dataset.",explain:"Keras ne ajută la antrenarea și evaluarea modelului, nu la calcularea metricilor legate de dataset."}]}}),_=new k({props:{title:"6. Cum vă puteți defini propria metrică personalizată?",local:"6-cum-vă-puteți-defini-propria-metrică-personalizată",headingTag:"h3"}}),h=new L({props:{choices:[{text:"Prin moștenirea <code>tf.keras.metrics.Metric</code>.",explain:"Perfect!",correct:!0},{text:"Folosind API-ul funcțional Keras.",explain:"Mai încearcă!"},{text:"Folosind o funcție apelabilă cu semnătura <code>metric_fn(y_true, y_pred)</code>.",explain:"Corect!",correct:!0},{text:"Căutând pe Google.",explain:"Nu este răspunsul pe care îl căutăm, dar probabil v-ar putea ajuta să-l găsiți.",correct:!0}]}}),{c(){m($.$$.fragment),C=u(),m(g.$$.fragment),w=u(),m(x.$$.fragment),z=u(),m(v.$$.fragment),T=u(),m(_.$$.fragment),j=u(),m(h.$$.fragment)},l(a){p($.$$.fragment,a),C=l(a),p(g.$$.fragment,a),w=l(a),p(x.$$.fragment,a),z=l(a),p(v.$$.fragment,a),T=l(a),p(_.$$.fragment,a),j=l(a),p(h.$$.fragment,a)},m(a,b){d($,a,b),c(a,C,b),d(g,a,b),c(a,w,b),d(x,a,b),c(a,z,b),d(v,a,b),c(a,T,b),d(_,a,b),c(a,j,b),d(h,a,b),P=!0},i(a){P||(o($.$$.fragment,a),o(g.$$.fragment,a),o(x.$$.fragment,a),o(v.$$.fragment,a),o(_.$$.fragment,a),o(h.$$.fragment,a),P=!0)},o(a){s($.$$.fragment,a),s(g.$$.fragment,a),s(x.$$.fragment,a),s(v.$$.fragment,a),s(_.$$.fragment,a),s(h.$$.fragment,a),P=!1},d(a){a&&(i(C),i(w),i(z),i(T),i(j)),f($,a),f(g,a),f(x,a),f(v,a),f(_,a),f(h,a)}}}function $e(R){let $,C,g,w,x,z,v,T,_,j,h,P,a,b,A,E,S,q,F,y,M,D,H,N;return $=new k({props:{title:"4. Care sunt avantajele metodei Dataset.map() ?",local:"4-care-sunt-avantajele-metodei-datasetmap-",headingTag:"h3"}}),g=new L({props:{choices:[{text:"Rezultatele funcției sunt memorate în cache, astfel încât nu va dura nimic dacă reexecutăm codul.",explain:"Acesta este într-adevăr unul dintre avantajele acestei metode! Totuși, nu este singurul...",correct:!0},{text:"Poate aplica multiprocessing pentru a rula mai rapid decât aplicând funcția pe fiecare element din dataset.",explain:"Aceasta este o caracteristică interesantă, dar nu este unica!",correct:!0},{text:"Nu încarcă întregul set de date în memorie, salvând rezultatele de îndată ce este procesat un element.",explain:"Acesta este un avantaj al acestei metode. Există însă și altele!",correct:!0}]}}),x=new k({props:{title:"5. Ce înseamnă umplerea dinamică (dynamic padding)?",local:"5-ce-înseamnă-umplerea-dinamică-dynamic-padding",headingTag:"h3"}}),v=new L({props:{choices:[{text:"E atunci când împachetezi intrările pentru fiecare batch la lungimea maximă din întregul dataset.",explain:"Este adevărat că împachetăm când creăm batch-ul, dar nu până la lungimea maximă din întregul set de date."},{text:"E atunci când împachetezi intrările în momentul creării batch-ului, la lungimea maximă a propozițiilor din acel batch.",explain:'Corect! Partea "dinamică" vine din faptul că mărimea fiecărui batch este stabilită în momentul creării, iar ca urmare, toate batch-urile ar putea avea forme diferite.',correct:!0},{text:"E atunci când împachetezi intrările astfel încât fiecare propoziție să aibă același număr de tokeni ca precedenta în dataset.",explain:"Nu este corect, și nici nu are sens să ne uităm la ordinea din dataset, din moment ce îl amestecăm în timpul antrenamentului."}]}}),_=new k({props:{title:"6. Care este scopul unei funcții de „collate”?",local:"6-care-este-scopul-unei-funcții-de-collate",headingTag:"h3"}}),h=new L({props:{choices:[{text:"Asigură că toate secvențele din setul de date au aceeași lungime.",explain:"O funcție de collate se ocupă de manipularea batch-urilor individuale, nu a întregului set de date. În plus, vorbim despre funcțiile de collate în general, nu despre <code>DataCollatorWithPadding</code> în mod specific."},{text:"Reunește toate eșantioanele într-un batch.",explain:"Corect! Poți transmite funcția de collate ca argument al unui <code>DataLoader</code>. Am folosit funcția <code>DataCollatorWithPadding</code>, care împachetează toate elementele dintr-un batch astfel încât să aibă aceeași lungime.",correct:!0},{text:"Preprocesează întregul set de date.",explain:"Aceasta ar fi o funcție de preprocessing, nu o funcție de collate."},{text:"Trunchiază secvențele din setul de date.",explain:"O funcție de collate se ocupă de manipularea batch-urilor individuale, nu a întregului set de date. Dacă sunteți interesați de trunchiere, puteți folosi argumentul <code>truncate</code> al <code>tokenizer</code>."}]}}),a=new k({props:{title:"7. Ce se întâmplă când instanțiați una dintre clasele AutoModelForXxx cu un model de limbaj preantrenat (cum ar fi bert-base-uncased ), care corespunde unei alte sarcini decât cea pentru care a fost antrenat?",local:"7-ce-se-întâmplă-când-instanțiați-una-dintre-clasele-automodelforxxx-cu-un-model-de-limbaj-preantrenat-cum-ar-fi-bert-base-uncased--care-corespunde-unei-alte-sarcini-decât-cea-pentru-care-a-fost-antrenat",headingTag:"h3"}}),A=new L({props:{choices:[{text:"Nimic, dar primești un avertisment.",explain:"Primiți un avertisment, dar asta nu e tot!"},{text:"Head-ul modelului preantrenat este eliminat, iar în locul lui este inserat un head nou, potrivit pentru sarcină.",explain:"Corect. De exemplu, când am folosit <code>AutoModelForSequenceClassification</code> cu <code>bert-base-uncased</code>, am primit avertismente la instanțierea modelului. Head-ul preantrenat nu este folosit pentru sarcina de clasificare secvențială, așa că este eliminat și un nou head este instanțiat cu greutăți inițializate aleator.",correct:!0},{text:"Head-ul modelului preantrenat este eliminat.",explain:"Mai trebuie să se întâmple și altceva. Încercați din nou!"},{text:"Nimic, pentru că modelul poate fi ajustat fin (fine-tuned) chiar și pentru o altă sarcină.",explain:"Head-ul preantrenat al modelului nu a fost antrenat pentru această sarcină, deci trebuie eliminat!"}]}}),S=new k({props:{title:"8. Care este scopul folosirii TrainingArguments ?",local:"8-care-este-scopul-folosirii-trainingarguments-",headingTag:"h3"}}),F=new L({props:{choices:[{text:"Conține toți hiperparametrii folosiți pentru antrenare și evaluare cu <code>Trainer</code>.",explain:"Corect!",correct:!0},{text:"Specifică dimensiunea modelului.",explain:"Dimensiunea modelului este definită de configurația modelului, nu de clasa <code>TrainingArguments</code>."},{text:"Conține doar hiperparametrii folosiți pentru evaluare.",explain:"În exemplu, am specificat și unde va fi salvat modelul și checkpoint-urile. Încercați din nou!"},{text:"Conține doar hiperparametrii folosiți pentru antrenare.",explain:"În exemplu, am folosit și un <code>evaluation_strategy</code>, așadar acest lucru afectează evaluarea. Încercați din nou!"}]}}),M=new k({props:{title:"9. De ce ar trebui să folosiți biblioteca 🤗 Accelerate?",local:"9-de-ce-ar-trebui-să-folosiți-biblioteca--accelerate",headingTag:"h3"}}),H=new L({props:{choices:[{text:"Oferă acces la modele mai rapide.",explain:"Nu, biblioteca 🤗 Accelerate nu oferă niciun model."},{text:"Oferă o API la nivel înalt, astfel încât să nu fie nevoie să implementați propria buclă de antrenament.",explain:"Asta am făcut cu <code>Trainer</code>, nu cu biblioteca 🤗 Accelerate. Încercați din nou!"},{text:"Face ca buclele noastre de antrenament să funcționeze pe strategii distribuite.",explain:"Corect! Cu 🤗 Accelerate, buclele voastre de antrenament vor funcționa pentru mai multe GPU-uri și TPU-uri.",correct:!0},{text:"Oferă mai multe funcții de optimizare.",explain:"Nu, biblioteca 🤗 Accelerate nu oferă nicio funcție de optimizare."}]}}),{c(){m($.$$.fragment),C=u(),m(g.$$.fragment),w=u(),m(x.$$.fragment),z=u(),m(v.$$.fragment),T=u(),m(_.$$.fragment),j=u(),m(h.$$.fragment),P=u(),m(a.$$.fragment),b=u(),m(A.$$.fragment),E=u(),m(S.$$.fragment),q=u(),m(F.$$.fragment),y=u(),m(M.$$.fragment),D=u(),m(H.$$.fragment)},l(t){p($.$$.fragment,t),C=l(t),p(g.$$.fragment,t),w=l(t),p(x.$$.fragment,t),z=l(t),p(v.$$.fragment,t),T=l(t),p(_.$$.fragment,t),j=l(t),p(h.$$.fragment,t),P=l(t),p(a.$$.fragment,t),b=l(t),p(A.$$.fragment,t),E=l(t),p(S.$$.fragment,t),q=l(t),p(F.$$.fragment,t),y=l(t),p(M.$$.fragment,t),D=l(t),p(H.$$.fragment,t)},m(t,n){d($,t,n),c(t,C,n),d(g,t,n),c(t,w,n),d(x,t,n),c(t,z,n),d(v,t,n),c(t,T,n),d(_,t,n),c(t,j,n),d(h,t,n),c(t,P,n),d(a,t,n),c(t,b,n),d(A,t,n),c(t,E,n),d(S,t,n),c(t,q,n),d(F,t,n),c(t,y,n),d(M,t,n),c(t,D,n),d(H,t,n),N=!0},i(t){N||(o($.$$.fragment,t),o(g.$$.fragment,t),o(x.$$.fragment,t),o(v.$$.fragment,t),o(_.$$.fragment,t),o(h.$$.fragment,t),o(a.$$.fragment,t),o(A.$$.fragment,t),o(S.$$.fragment,t),o(F.$$.fragment,t),o(M.$$.fragment,t),o(H.$$.fragment,t),N=!0)},o(t){s($.$$.fragment,t),s(g.$$.fragment,t),s(x.$$.fragment,t),s(v.$$.fragment,t),s(_.$$.fragment,t),s(h.$$.fragment,t),s(a.$$.fragment,t),s(A.$$.fragment,t),s(S.$$.fragment,t),s(F.$$.fragment,t),s(M.$$.fragment,t),s(H.$$.fragment,t),N=!1},d(t){t&&(i(C),i(w),i(z),i(T),i(j),i(P),i(b),i(E),i(q),i(y),i(D)),f($,t),f(g,t),f(x,t),f(v,t),f(_,t),f(h,t),f(a,t),f(A,t),f(S,t),f(F,t),f(M,t),f(H,t)}}}function ge(R){let $,C,g,w,x,z,v,T,_,j,h,P="Testați-vă cunoștințele din acest capitol!",a,b,A,E,S,q,F,y,M,D,H,N,t,n,O,B,K,G,X,I;x=new pe({props:{fw:R[0]}}),v=new k({props:{title:"End-of-chapter quiz",local:"end-of-chapter-quiz",headingTag:"h1"}}),_=new me({props:{chapter:3,classNames:"absolute z-10 right-0 top-0"}}),b=new k({props:{title:"1. Dataset-ul emotion conține mesaje de pe Twitter etichetate cu emoții. Căutați-l în Hub și citiți descrierea dataset-ului. Care dintre acestea nu este una dintre emoțiile sale de bază?",local:"1-dataset-ul-emotion-conține-mesaje-de-pe-twitter-etichetate-cu-emoții-căutați-l-în-hub-și-citiți-descrierea-dataset-ului-care-dintre-acestea-nu-este-una-dintre-emoțiile-sale-de-bază",headingTag:"h3"}}),E=new L({props:{choices:[{text:"Bucurie",explain:"Încercați din nou - această emoție este prezentă în acel set de date!"},{text:"Iubire",explain:"Încercați din nou - această emoție este prezentă în acel set de date!"},{text:"Confuzie",explain:"Corect! Confuzia nu este una dintre cele șase emoții de bază.",correct:!0},{text:"Surpriză",explain:"Surpriză! Încercați din nou!"}]}}),q=new k({props:{title:"2. Căutați dataset-ul ar_sarcasm în Hub . Ce tip de sarcină suportă?",local:"2-căutați-dataset-ul-arsarcasm-în-hub--ce-tip-de-sarcină-suportă",headingTag:"h3"}}),y=new L({props:{choices:[{text:"Clasificarea sentimentelor",explain:"Corect! Puteți verifica etichetele (tags) din descrierea dataset-ului.",correct:!0},{text:"Traducere automată (Machine translation)",explain:"Nu este corect — aruncați din nou o privire la <a href='https://huggingface.co/datasets/ar_sarcasm'>descrierea dataset-ului</a>!"},{text:"Named entity recognition",explain:"Nu este corect — aruncați din nou o privire la <a href='https://huggingface.co/datasets/ar_sarcasm'>descrierea dataset-ului</a>!"},{text:"Răspuns la întrebări (Question answering)",explain:"Din păcate, nu ați răspuns corect. Încercați din nou!"}]}}),D=new k({props:{title:"3. Cum se așteaptă modelul BERT ca o pereche de propoziții să fie procesată?",local:"3-cum-se-așteaptă-modelul-bert-ca-o-pereche-de-propoziții-să-fie-procesată",headingTag:"h3"}}),N=new L({props:{choices:[{text:"Tokens_of_sentence_1 [SEP] Tokens_of_sentence_2",explain:"Este nevoie de un token special <code>[SEP]</code> pentru a separa cele două propoziții, dar nu este singurul lucru necesar!"},{text:"[CLS] Tokens_of_sentence_1 Tokens_of_sentence_2",explain:"Este nevoie de un token special <code>[CLS]</code> la început, dar nu este singurul lucru necesar!"},{text:"[CLS] Tokens_of_sentence_1 [SEP] Tokens_of_sentence_2 [SEP]",explain:"Corect!",correct:!0},{text:"[CLS] Tokens_of_sentence_1 [SEP] Tokens_of_sentence_2",explain:"Este nevoie atât de un token special <code>[CLS]</code> la început, cât și de un token special <code>[SEP]</code> pentru a separa cele două propoziții, dar mai lipsește ceva!"}]}});const V=[$e,fe],U=[];function Y(e,r){return e[0]==="pt"?0:1}return n=Y(R),O=U[n]=V[n](R),K=new de({props:{source:"https://github.com/huggingface/course/blob/main/chapters/rum/chapter3/6.mdx"}}),{c(){$=Q("meta"),C=u(),g=Q("p"),w=u(),m(x.$$.fragment),z=u(),m(v.$$.fragment),T=u(),m(_.$$.fragment),j=u(),h=Q("p"),h.textContent=P,a=u(),m(b.$$.fragment),A=u(),m(E.$$.fragment),S=u(),m(q.$$.fragment),F=u(),m(y.$$.fragment),M=u(),m(D.$$.fragment),H=u(),m(N.$$.fragment),t=u(),O.c(),B=u(),m(K.$$.fragment),G=u(),X=Q("p"),this.h()},l(e){const r=ce("svelte-u9bgzb",document.head);$=W(r,"META",{name:!0,content:!0}),r.forEach(i),C=l(e),g=W(e,"P",{}),ee(g).forEach(i),w=l(e),p(x.$$.fragment,e),z=l(e),p(v.$$.fragment,e),T=l(e),p(_.$$.fragment,e),j=l(e),h=W(e,"P",{"data-svelte-h":!0}),ue(h)!=="svelte-15mm50d"&&(h.textContent=P),a=l(e),p(b.$$.fragment,e),A=l(e),p(E.$$.fragment,e),S=l(e),p(q.$$.fragment,e),F=l(e),p(y.$$.fragment,e),M=l(e),p(D.$$.fragment,e),H=l(e),p(N.$$.fragment,e),t=l(e),O.l(e),B=l(e),p(K.$$.fragment,e),G=l(e),X=W(e,"P",{}),ee(X).forEach(i),this.h()},h(){te($,"name","hf:doc:metadata"),te($,"content",xe)},m(e,r){le(document.head,$),c(e,C,r),c(e,g,r),c(e,w,r),d(x,e,r),c(e,z,r),d(v,e,r),c(e,T,r),d(_,e,r),c(e,j,r),c(e,h,r),c(e,a,r),d(b,e,r),c(e,A,r),d(E,e,r),c(e,S,r),d(q,e,r),c(e,F,r),d(y,e,r),c(e,M,r),d(D,e,r),c(e,H,r),d(N,e,r),c(e,t,r),U[n].m(e,r),c(e,B,r),d(K,e,r),c(e,G,r),c(e,X,r),I=!0},p(e,[r]){const Z={};r&1&&(Z.fw=e[0]),x.$set(Z);let J=n;n=Y(e),n!==J&&(oe(),s(U[J],1,1,()=>{U[J]=null}),se(),O=U[n],O||(O=U[n]=V[n](e),O.c()),o(O,1),O.m(B.parentNode,B))},i(e){I||(o(x.$$.fragment,e),o(v.$$.fragment,e),o(_.$$.fragment,e),o(b.$$.fragment,e),o(E.$$.fragment,e),o(q.$$.fragment,e),o(y.$$.fragment,e),o(D.$$.fragment,e),o(N.$$.fragment,e),o(O),o(K.$$.fragment,e),I=!0)},o(e){s(x.$$.fragment,e),s(v.$$.fragment,e),s(_.$$.fragment,e),s(b.$$.fragment,e),s(E.$$.fragment,e),s(q.$$.fragment,e),s(y.$$.fragment,e),s(D.$$.fragment,e),s(N.$$.fragment,e),s(O),s(K.$$.fragment,e),I=!1},d(e){e&&(i(C),i(g),i(w),i(z),i(T),i(j),i(h),i(a),i(A),i(S),i(F),i(M),i(H),i(t),i(B),i(G),i(X)),i($),f(x,e),f(v,e),f(_,e),f(b,e),f(E,e),f(q,e),f(y,e),f(D,e),f(N,e),U[n].d(e),f(K,e)}}}const xe='{"title":"End-of-chapter quiz","local":"end-of-chapter-quiz","sections":[{"title":"1. Dataset-ul emotion conține mesaje de pe Twitter etichetate cu emoții. Căutați-l în Hub și citiți descrierea dataset-ului. Care dintre acestea nu este una dintre emoțiile sale de bază?","local":"1-dataset-ul-emotion-conține-mesaje-de-pe-twitter-etichetate-cu-emoții-căutați-l-în-hub-și-citiți-descrierea-dataset-ului-care-dintre-acestea-nu-este-una-dintre-emoțiile-sale-de-bază","sections":[],"depth":3},{"title":"2. Căutați dataset-ul ar_sarcasm în Hub . Ce tip de sarcină suportă?","local":"2-căutați-dataset-ul-arsarcasm-în-hub--ce-tip-de-sarcină-suportă","sections":[],"depth":3},{"title":"3. Cum se așteaptă modelul BERT ca o pereche de propoziții să fie procesată?","local":"3-cum-se-așteaptă-modelul-bert-ca-o-pereche-de-propoziții-să-fie-procesată","sections":[],"depth":3},{"title":"4. Care sunt avantajele metodei Dataset.map() ?","local":"4-care-sunt-avantajele-metodei-datasetmap-","sections":[],"depth":3},{"title":"5. Ce înseamnă umplerea dinamică (dynamic padding)?","local":"5-ce-înseamnă-umplerea-dinamică-dynamic-padding","sections":[],"depth":3},{"title":"6. Care este scopul unei funcții de „collate”?","local":"6-care-este-scopul-unei-funcții-de-collate","sections":[],"depth":3},{"title":"7. Ce se întâmplă când instanțiați una dintre clasele AutoModelForXxx cu un model de limbaj preantrenat (cum ar fi bert-base-uncased ), care corespunde unei alte sarcini decât cea pentru care a fost antrenat?","local":"7-ce-se-întâmplă-când-instanțiați-una-dintre-clasele-automodelforxxx-cu-un-model-de-limbaj-preantrenat-cum-ar-fi-bert-base-uncased--care-corespunde-unei-alte-sarcini-decât-cea-pentru-care-a-fost-antrenat","sections":[],"depth":3},{"title":"8. Care este scopul folosirii TrainingArguments ?","local":"8-care-este-scopul-folosirii-trainingarguments-","sections":[],"depth":3},{"title":"9. De ce ar trebui să folosiți biblioteca 🤗 Accelerate?","local":"9-de-ce-ar-trebui-să-folosiți-biblioteca--accelerate","sections":[],"depth":3},{"title":"4. Ce se întâmplă când instanțiați una dintre clasele TFAutoModelForXxx cu un model de limbaj preantrenat (cum ar fi bert-base-uncased ), care corespunde unei alte sarcini decât cea pentru care a fost antrenat?","local":"4-ce-se-întâmplă-când-instanțiați-una-dintre-clasele-tfautomodelforxxx-cu-un-model-de-limbaj-preantrenat-cum-ar-fi-bert-base-uncased--care-corespunde-unei-alte-sarcini-decât-cea-pentru-care-a-fost-antrenat","sections":[],"depth":3},{"title":"5. Modelele TensorFlow din transformers sunt deja modele Keras. Ce avantaj oferă acest lucru?","local":"5-modelele-tensorflow-din-transformers-sunt-deja-modele-keras-ce-avantaj-oferă-acest-lucru","sections":[],"depth":3},{"title":"6. Cum vă puteți defini propria metrică personalizată?","local":"6-cum-vă-puteți-defini-propria-metrică-personalizată","sections":[],"depth":3}],"depth":1}';function be(R,$,C){let g="pt";return ie(()=>{const w=new URLSearchParams(window.location.search);C(0,g=w.get("fw")||"pt")}),[g]}class Te extends ne{constructor($){super(),re(this,$,be,ge,ae,{})}}export{Te as component};