Buckets:

rtrm's picture
download
raw
3.15 kB
import{s as U,n as q,o as B}from"../chunks/scheduler.49e4e380.js";import{S as G,i as I,g as d,s as i,r as E,A as K,h as p,f as n,c as r,j as D,u as C,x as H,k as N,y as O,a as s,v as M,d as S,t as y,w as L}from"../chunks/index.fb15006d.js";import{C as R}from"../chunks/CourseFloatingBanner.c832fd1e.js";import{H as W,E as J}from"../chunks/getInferenceSnippets.494e50ac.js";function Q(k){let a,b,h,$,l,_,o,v,u,j='Dies ist das Ende des ersten Teils des Kurses! Teil 2 wird am 15. November mit einem großen Community-Event veröffentlicht, weitere Informationen findest du <a href="https://huggingface.co/blog/course-launch-event" rel="nofollow">hier</a>.',w,m,A='Du solltest nun in der Lage sein, ein vorab trainiertes Modell für ein Textklassifizierungsproblem (einzelne Sätze oder Satzpaare) zu optimieren und das Ergebnis in den Model Hub hochzuladen. Um sicherzustellen, dass du diesen ersten Abschnitt beherrschst, solltest du genau das an einem Problem verwenden, das dich interessiert (und nicht unbedingt auf Englisch, wenn Sie eine andere Sprache sprechen)! Hilfe findest du in den <a href="https://discuss.huggingface.co/" rel="nofollow">Hugging Face-Foren</a> und du kannst dein Projekt in <a href="https://discuss.huggingface.co/t/share-your-projects" rel="nofollow">diesem Thema</a> teilen /6803), sobald du damit fertig bist.',T,c,F="Wir freuen uns darauf, zu sehen, was du alles damit baust!",x,f,P,g,z;return l=new W({props:{title:"Teil 1 abgeschlossen!",local:"teil-1-abgeschlossen",headingTag:"h1"}}),o=new R({props:{chapter:4,classNames:"absolute z-10 right-0 top-0"}}),f=new J({props:{source:"https://github.com/huggingface/course/blob/main/chapters/de/chapter4/5.mdx"}}),{c(){a=d("meta"),b=i(),h=d("p"),$=i(),E(l.$$.fragment),_=i(),E(o.$$.fragment),v=i(),u=d("p"),u.innerHTML=j,w=i(),m=d("p"),m.innerHTML=A,T=i(),c=d("p"),c.textContent=F,x=i(),E(f.$$.fragment),P=i(),g=d("p"),this.h()},l(e){const t=K("svelte-u9bgzb",document.head);a=p(t,"META",{name:!0,content:!0}),t.forEach(n),b=r(e),h=p(e,"P",{}),D(h).forEach(n),$=r(e),C(l.$$.fragment,e),_=r(e),C(o.$$.fragment,e),v=r(e),u=p(e,"P",{"data-svelte-h":!0}),H(u)!=="svelte-14pc3vj"&&(u.innerHTML=j),w=r(e),m=p(e,"P",{"data-svelte-h":!0}),H(m)!=="svelte-1lo3bku"&&(m.innerHTML=A),T=r(e),c=p(e,"P",{"data-svelte-h":!0}),H(c)!=="svelte-1arinc"&&(c.textContent=F),x=r(e),C(f.$$.fragment,e),P=r(e),g=p(e,"P",{}),D(g).forEach(n),this.h()},h(){N(a,"name","hf:doc:metadata"),N(a,"content",V)},m(e,t){O(document.head,a),s(e,b,t),s(e,h,t),s(e,$,t),M(l,e,t),s(e,_,t),M(o,e,t),s(e,v,t),s(e,u,t),s(e,w,t),s(e,m,t),s(e,T,t),s(e,c,t),s(e,x,t),M(f,e,t),s(e,P,t),s(e,g,t),z=!0},p:q,i(e){z||(S(l.$$.fragment,e),S(o.$$.fragment,e),S(f.$$.fragment,e),z=!0)},o(e){y(l.$$.fragment,e),y(o.$$.fragment,e),y(f.$$.fragment,e),z=!1},d(e){e&&(n(b),n(h),n($),n(_),n(v),n(u),n(w),n(m),n(T),n(c),n(x),n(P),n(g)),n(a),L(l,e),L(o,e),L(f,e)}}}const V='{"title":"Teil 1 abgeschlossen!","local":"teil-1-abgeschlossen","sections":[],"depth":1}';function X(k){return B(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ne extends G{constructor(a){super(),I(this,a,X,Q,U,{})}}export{ne as component};

Xet Storage Details

Size:
3.15 kB
·
Xet hash:
0884f7a2ace357607eb042f1490586a3e1a1eb16f648e2dd2580ccf05faef20f

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