course/pr_1021/rum/_app/immutable/nodes/76.bdb55503.js

import{s as J,o as K,n as Q}from"../chunks/scheduler.37c15a92.js";import{S as V,i as W,g as f,s as p,r as z,A as X,h as d,f as i,c as m,j as q,u as x,x as g,k as O,y as Y,a as c,v as M,d as H,t as k,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 ie}from"../chunks/getInferenceSnippets.ebf8be91.js";function ne($){let t,u='Pentru a face acest lucru, va trebui să valorificați tot ceea ce ați învățat despre API-ul <code>Trainer</code> și biblioteca 🤗 Accelerate în <a href="/course/chapter3">Capitolul 3</a>, biblioteca 🤗 Datasets în <a href="/course/chapter5">Capitolul 5</a> și biblioteca 🤗 Tokenizers în <a href="/course/chapter6">Capitolul 6</a>. De asemenea, vom încărca rezultatele noastre în Model Hub, așa cum am făcut în <a href="/course/chapter4">Capitolul 4</a>, astfel încât acesta este cu adevărat capitolul în care totul se unește!',n,r,o="Fiecare secțiune poate fi citită independent.";return{c(){t=f("p"),t.innerHTML=u,n=p(),r=f("p"),r.textContent=o},l(l){t=d(l,"P",{"data-svelte-h":!0}),g(t)!=="svelte-eu7uzr"&&(t.innerHTML=u),n=m(l),r=d(l,"P",{"data-svelte-h":!0}),g(r)!=="svelte-1sb50io"&&(r.textContent=o)},m(l,s){c(l,t,s),c(l,n,s),c(l,r,s)},d(l){l&&(i(t),i(n),i(r))}}}function re($){let t,u='Pentru a face acest lucru, va trebui să valorificați tot ceea ce ați învățat despre API-ul <code>Trainer</code> și biblioteca 🤗 Accelerate în <a href="/course/chapter3">Capitolul 3</a>, biblioteca 🤗 Datasets în <a href="/course/chapter5">Capitolul 5</a> și biblioteca 🤗 Tokenizers în <a href="/course/chapter6">Capitolul 6</a>. De asemenea, vom încărca rezultatele noastre în Model Hub, așa cum am făcut în <a href="/course/chapter4">Capitolul 4</a>, astfel încât acesta este cu adevărat capitolul în care totul se unește!',n,r,o="Fiecare secțiune poate fi citită independent și vă va arăta cum să antrenați un model cu API-ul <code>Trainer</code> sau cu propria buclă de antrenament, utilizând 🤗 Accelerate. Nu ezitați să săriți peste oricare dintre cele două părți și să vă concentrați pe cea care vă interesează cel mai mult: API-ul <code>Trainer</code> este excelent pentru fine-tuning sau antrenarea modelului vostru fără a vă face griji cu privire la ceea ce se întâmplă în spatele scenei, în timp ce bucla de antrenament cu <code>Accelerate</code> vă va permite să personalizați mai ușor orice parte doriți.";return{c(){t=f("p"),t.innerHTML=u,n=p(),r=f("p"),r.innerHTML=o},l(l){t=d(l,"P",{"data-svelte-h":!0}),g(t)!=="svelte-eu7uzr"&&(t.innerHTML=u),n=m(l),r=d(l,"P",{"data-svelte-h":!0}),g(r)!=="svelte-vn7nc5"&&(r.innerHTML=o)},m(l,s){c(l,t,s),c(l,n,s),c(l,r,s)},d(l){l&&(i(t),i(n),i(r))}}}function le($){let t,u="Dacă citiți secțiunile în succesiune, veți observa că acestea au destul de mult cod și proză în comun. Repetarea este intenționată, pentru a vă permite să intrați (sau să reveniți mai târziu) la orice sarcină care vă interesează și să găsiți un exemplu.";return{c(){t=f("p"),t.textContent=u},l(n){t=d(n,"P",{"data-svelte-h":!0}),g(t)!=="svelte-169bowh"&&(t.textContent=u)},m(n,r){c(n,t,r)},p:Q,d(n){n&&i(t)}}}function ce($){let t,u,n,r,o,l,s,A,h,E,_,R='În <a href="/course/chapter3">Capitolul 3</a>, ați văzut cum să faceți fine-tune unui model pentru clasificarea textului. În acest capitol, vom aborda următoarele sarcini NLP:',I,C,j="<li>Clasificarea tokenilor</li> <li>Masked language modeling (precum BERT)</li> <li>Sumarizare</li> <li>Traducere</li> <li>Preantrenare pentru <code>causal language modeling</code> (precum GPT-2)</li> <li>Răspunsul la întrebări</li>",y,w,b,D,T,F,P,S;o=new te({props:{fw:$[0]}}),s=new ae({props:{title:"Introducere",local:"introduction",headingTag:"h1"}}),h=new ee({props:{chapter:7,classNames:"absolute z-10 right-0 top-0"}});function B(e,a){return e[0]==="pt"?re:ne}let N=B($),v=N($);return b=new Z({props:{$$slots:{default:[le]},$$scope:{ctx:$}}}),T=new ie({props:{source:"https://github.com/huggingface/course/blob/main/chapters/rum/chapter7/1.mdx"}}),{c(){t=f("meta"),u=p(),n=f("p"),r=p(),z(o.$$.fragment),l=p(),z(s.$$.fragment),A=p(),z(h.$$.fragment),E=p(),_=f("p"),_.innerHTML=R,I=p(),C=f("ul"),C.innerHTML=j,y=p(),v.c(),w=p(),z(b.$$.fragment),D=p(),z(T.$$.fragment),F=p(),P=f("p"),this.h()},l(e){const a=X("svelte-u9bgzb",document.head);t=d(a,"META",{name:!0,content:!0}),a.forEach(i),u=m(e),n=d(e,"P",{}),q(n).forEach(i),r=m(e),x(o.$$.fragment,e),l=m(e),x(s.$$.fragment,e),A=m(e),x(h.$$.fragment,e),E=m(e),_=d(e,"P",{"data-svelte-h":!0}),g(_)!=="svelte-zxgu4g"&&(_.innerHTML=R),I=m(e),C=d(e,"UL",{"data-svelte-h":!0}),g(C)!=="svelte-162b42s"&&(C.innerHTML=j),y=m(e),v.l(e),w=m(e),x(b.$$.fragment,e),D=m(e),x(T.$$.fragment,e),F=m(e),P=d(e,"P",{}),q(P).forEach(i),this.h()},h(){O(t,"name","hf:doc:metadata"),O(t,"content",ue)},m(e,a){Y(document.head,t),c(e,u,a),c(e,n,a),c(e,r,a),M(o,e,a),c(e,l,a),M(s,e,a),c(e,A,a),M(h,e,a),c(e,E,a),c(e,_,a),c(e,I,a),c(e,C,a),c(e,y,a),v.m(e,a),c(e,w,a),M(b,e,a),c(e,D,a),M(T,e,a),c(e,F,a),c(e,P,a),S=!0},p(e,[a]){const G={};a&1&&(G.fw=e[0]),o.$set(G),N!==(N=B(e))&&(v.d(1),v=N(e),v&&(v.c(),v.m(w.parentNode,w)));const U={};a&2&&(U.$$scope={dirty:a,ctx:e}),b.$set(U)},i(e){S||(H(o.$$.fragment,e),H(s.$$.fragment,e),H(h.$$.fragment,e),H(b.$$.fragment,e),H(T.$$.fragment,e),S=!0)},o(e){k(o.$$.fragment,e),k(s.$$.fragment,e),k(h.$$.fragment,e),k(b.$$.fragment,e),k(T.$$.fragment,e),S=!1},d(e){e&&(i(u),i(n),i(r),i(l),i(A),i(E),i(_),i(I),i(C),i(y),i(w),i(D),i(F),i(P)),i(t),L(o,e),L(s,e),L(h,e),v.d(e),L(b,e),L(T,e)}}}const ue='{"title":"Introducere","local":"introduction","sections":[],"depth":1}';function se($,t,u){let n="pt";return K(()=>{const r=new URLSearchParams(window.location.search);u(0,n=r.get("fw")||"pt")}),[n]}class ve extends V{constructor(t){super(),W(this,t,se,ce,J,{})}}export{ve as component};