Buckets:

rtrm's picture
download
raw
3.66 kB
import{s as j,o as q}from"../chunks/scheduler.49e4e380.js";import{S as G,i as I,g as w,s as m,r as P,A as N,h as _,f as a,c as f,j as K,u as y,x as F,k as W,y as R,a as r,v as z,d as H,t as L,w as D}from"../chunks/index.fb15006d.js";import{C as B}from"../chunks/CourseFloatingBanner.c832fd1e.js";import{F as O}from"../chunks/FrameworkSwitchCourse.f837e098.js";import{H as V,E as J}from"../chunks/getInferenceSnippets.494e50ac.js";function Q(c){let t,s='<li>Über Datensätze im <a href="https://huggingface.co/datasets" rel="nofollow">Hub</a></li> <li>Wie man Datensätze lädt und vorverarbeitet</li> <li>Wie man ein Modell mit Keras fein-tunet und auswertet</li> <li>Eine eigene Metrik implementiert</li>';return{c(){t=w("ul"),t.innerHTML=s},l(i){t=_(i,"UL",{"data-svelte-h":!0}),F(t)!=="svelte-1krangl"&&(t.innerHTML=s)},m(i,l){r(i,t,l)},d(i){i&&a(t)}}}function X(c){let t,s='<li>Über Datensätze im <a href="https://huggingface.co/datasets" rel="nofollow">Hub</a></li> <li>Wie du Datensätze lädst und vorverarbeitest, einschließlich der Verwendung von dynamischem Padding und Collators</li> <li>Implementierung des eigenen Fein-tunings und der Evaluierung eines Modells</li> <li>Eine Trainingsschleife auf niedriger Ebene implementiert</li> <li>Mit 🤗 Accelerate die Trainingsschleife so anpassen, dass sie für mehrere GPUs oder TPUs funktioniert</li>';return{c(){t=w("ul"),t.innerHTML=s},l(i){t=_(i,"UL",{"data-svelte-h":!0}),F(t)!=="svelte-kcxxqr"&&(t.innerHTML=s)},m(i,l){r(i,t,l)},d(i){i&&a(t)}}}function Y(c){let t,s,i,l,o,k,p,v,d,C,h,S="Das hat Spaß gemacht! In den ersten beiden Kapiteln hast du etwas über Modelle und Tokenizer gelernt, und jetzt weißt du, wie du sie auf deine eigenen Daten fein-tunen kannst. Rekapitulieren wir, was du in diesem Kapitel gelernt hast:",M,$,g,E,b,T;o=new O({props:{fw:c[0]}}),p=new V({props:{title:"Fein-tunen, Check!",local:"fein-tunen-check",headingTag:"h1"}}),d=new B({props:{chapter:3,classNames:"absolute z-10 right-0 top-0"}});function U(e,n){return e[0]==="pt"?X:Q}let x=U(c),u=x(c);return g=new J({props:{source:"https://github.com/huggingface/course/blob/main/chapters/de/chapter3/5.mdx"}}),{c(){t=w("meta"),s=m(),i=w("p"),l=m(),P(o.$$.fragment),k=m(),P(p.$$.fragment),v=m(),P(d.$$.fragment),C=m(),h=w("p"),h.textContent=S,M=m(),u.c(),$=m(),P(g.$$.fragment),E=m(),b=w("p"),this.h()},l(e){const n=N("svelte-u9bgzb",document.head);t=_(n,"META",{name:!0,content:!0}),n.forEach(a),s=f(e),i=_(e,"P",{}),K(i).forEach(a),l=f(e),y(o.$$.fragment,e),k=f(e),y(p.$$.fragment,e),v=f(e),y(d.$$.fragment,e),C=f(e),h=_(e,"P",{"data-svelte-h":!0}),F(h)!=="svelte-1k319bg"&&(h.textContent=S),M=f(e),u.l(e),$=f(e),y(g.$$.fragment,e),E=f(e),b=_(e,"P",{}),K(b).forEach(a),this.h()},h(){W(t,"name","hf:doc:metadata"),W(t,"content",Z)},m(e,n){R(document.head,t),r(e,s,n),r(e,i,n),r(e,l,n),z(o,e,n),r(e,k,n),z(p,e,n),r(e,v,n),z(d,e,n),r(e,C,n),r(e,h,n),r(e,M,n),u.m(e,n),r(e,$,n),z(g,e,n),r(e,E,n),r(e,b,n),T=!0},p(e,[n]){const A={};n&1&&(A.fw=e[0]),o.$set(A),x!==(x=U(e))&&(u.d(1),u=x(e),u&&(u.c(),u.m($.parentNode,$)))},i(e){T||(H(o.$$.fragment,e),H(p.$$.fragment,e),H(d.$$.fragment,e),H(g.$$.fragment,e),T=!0)},o(e){L(o.$$.fragment,e),L(p.$$.fragment,e),L(d.$$.fragment,e),L(g.$$.fragment,e),T=!1},d(e){e&&(a(s),a(i),a(l),a(k),a(v),a(C),a(h),a(M),a($),a(E),a(b)),a(t),D(o,e),D(p,e),D(d,e),u.d(e),D(g,e)}}}const Z='{"title":"Fein-tunen, Check!","local":"fein-tunen-check","sections":[],"depth":1}';function ee(c,t,s){let i="pt";return q(()=>{const l=new URLSearchParams(window.location.search);s(0,i=l.get("fw")||"pt")}),[i]}class se extends G{constructor(t){super(),I(this,t,ee,Y,j,{})}}export{se as component};

Xet Storage Details

Size:
3.66 kB
·
Xet hash:
8bbbda2dd24eac8011843d178a01c2404789345ec34699f9258d1b3273b52ea9

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.