Buckets:
| import{s as ut,n as pt,o as ct}from"../chunks/scheduler.37c15a92.js";import{S as ft,i as gt,g as o,s as a,r as d,A as vt,h as s,f as i,c as n,j as dt,u as m,x as r,k as mt,y as $t,a as l,v as u,d as p,t as c,w as f}from"../chunks/index.2bf4358c.js";import{C as zt}from"../chunks/CodeBlock.4e987730.js";import{C as ht}from"../chunks/CourseFloatingBanner.9ff4c771.js";import{H as g,E as bt}from"../chunks/getInferenceSnippets.648f38f6.js";function xt(Se){let v,te,K,ie,$,le,z,ae,h,Fe="Il cartellino del modello (model card) è un file di importanza pari ai file del modello e del tokenizer in un repository. Contiene la definizione del modello, assicurando la possibilità di riutilizzarlo e riprodurre i risultati da parte dei membri della comunità, e facendo si che il modello sia una piattaforma su cui gli altri membri possono costruire i loro artefatti.",ne,b,Be="Documentare il processo di addestramento e valutazione aiuta gli altri a capire cosa aspettarsi dal modello — inoltre, fornire informazioni accurate sui dati utilizzati e sulle operazioni di pre e post elaborazione (preprocessing e postprocessing), assicura che si possano identificare e comprenere le limitazioni, i bias, e i contesti in cui il modello è utile, e quelli in cui non lo è.",oe,x,Ae="Per questo creare un cartellino del modello che descriva chiaramente il modello, è un passo estremamente importante. Qui, forniamo alcuni suggerimenti per farlo. Il cartellino del modello viene creato tramite il file <em>README.md</em>, visto in precedenza, che è un file Markdown.",se,C,Ge='Il concetto del cartellino trae origine dalla ricerca svolta a Google, e pubblicata per la prima volta nell’articolo <a href="https://arxiv.org/abs/1810.03993" rel="nofollow">“Model Cards for Model Reporting”</a> di Margaret Mitchell et al. Molte informazioni contenute qui sono basate su quell’artictolo, e raccomandiamo a tutti di leggerlo per capire l’importanza del cartellino del modello in un mondo che valorizza la reproduzione, la riutilizzabilità e l’equità.',re,_,Ve="Il cartellino solitamente inizia con una breve introduzione, che descrive ad alto livello per quale scopo il modello è stato creato, ed è seguita da informazioni aggiuntive nelle sezioni seguenti:",de,w,Ne="<li>Descrizione del modello</li> <li>Usi previsti e limitazioni</li> <li>Istruzioni d’uso</li> <li>Limitazioni e bias</li> <li>Dati di addestramento</li> <li>Procedura di addestramento</li> <li>Risultati della valutazione</li>",me,M,Oe="Approfondiamo ora i contenuti di ciascuna sezione.",ue,T,pe,P,Xe="La descrizione del modello fornisce i dettagli di base. Questi includono l’architettura, la versione, informazioni sull’articolo scientifico in cui il modello è stato presentato (se disponibile), se sia disponibile una implementazione originale, l’autore, ed altre informazioni di carattere generale. Qualsiasi copyright deve essere attribuito qui. Informazioni generali sulle procedure di addestramento, i parametri, ed anche dichiarazioni di non responsabilità possono essere inserite in questa sezione.",ce,q,fe,L,Ye="In questa sezione vengono descritti gli utilizzi per cui il modello è inteso, inclusi i linguaggi e i domini di applicazione del modello. Questa sezione del cartellino puó anche descrivere situazioni che sono fuori dall’ambito previsto del modello, o dove é probabile che il modello non funzioni in maniera ottimale.",ge,H,ve,E,Ze="Questa sezione dovrebbe includere alcuni esempi che mostrino come usare il modello. Questi esempi possono includere l’utilizzo attraverso la funzione <code>pipeline()</code>, l’utilizzo delle classi modello e tokenizer, e qualsiasi altro esempio di codice che possa essere utile.",$e,j,ze,I,Je="Questa parte dovrebbe indicare su quali dataset il modello è stato addestrato. È anche consigliabile aggiungere una breve descrizione dei dataset.",he,Q,be,U,We="In questa sezione dovreste descrivere tutti i dettagli del processo di addestramento rilevanti dal punto di vista della riproducibilitá.",xe,k,Ce,y,Ke="In questa sezione é opportuno descrivere le metriche utilizzate per la valutazione e differenti fattori che vengono misurati. Riportare quali metriche ssono state usate, e su quali dataset e relative partizioni (dataset split), rende facile comparare le performance del proprio modello con gli altri. Le informazioni in questa sezione dovrebbero coprire i casi d’uso riportati nelle sezioni precedenti.",_e,D,we,R,et="Per finire, si dovrebbero riportare i risultati della valutazione di come si comporta il modello sul dataset di valutazione. Se il modello utilizza una soglia di decisione (decision threshold), è opportuno riportare o la soglia di decisione utilizzata nella fase di valutazione, o riportare i risultati per differenti soglie di decisione per gli usi previsti.",Me,S,Te,F,tt="Consigliamo di guardare i seguenti esempi di cartellini ben curati:",Pe,B,it='<li><a href="https://huggingface.co/bert-base-cased" rel="nofollow"><code>bert-base-cased</code></a></li> <li><a href="https://huggingface.co/gpt2" rel="nofollow"><code>gpt2</code></a></li> <li><a href="https://huggingface.co/distilbert-base-uncased" rel="nofollow"><code>distilbert</code></a></li>',qe,A,lt='Esempi aggiuntivi, da parte di altre organizzazioni e compagnie, sono disponibili <a href="https://github.com/huggingface/model_card/blob/master/examples.md" rel="nofollow">qui</a>.',Le,G,He,V,at="Includere il cartellino del modello non è un requisito obbligatorio durante la pubblicazione di un modello, e inoltre non è necessario includere tutte le sezioni elencate in precedenza quando si crea un cartellino. Tuttavia, una documentazione esplicita del modello può solo portare benefici agli utilizzatori futuri, e per questo raccomandiamo di compilare quante più sezioni possibili, al meglio delle proprie conoscenze e capacità.",Ee,N,je,O,nt="Se avete esplorato l’Hugging Face Hub, potreste aver notato che alcuni modelli appartengono a determinate categorie: è possibile filtrarli per task, lingue, librerie, ecc. Le categorie a cui appartiene un modello sono identificate in base ai metadati aggiunti nell’intestazione (header) del cartellino.",Ie,X,ot='Prendendo ad esempio <a href="https://huggingface.co/camembert-base/blob/main/README.md" rel="nofollow">il cartellino di <code>camembert-base</code></a>, dovreste vedere le seguenti righe nell’intestazione del cartellino:',Qe,Y,Ue,Z,st=`This metadata is parsed by the Hugging Face Hub, which then identifies this model as being a French model, with an MIT license, trained on the Oscar dataset. | |
| Questi metadati vengono elaborati dall’Hub di Hugging Face, che identifica questo modello come un modello Francese, con una licenza MIT, addestrato sul dataset Oscar.`,ke,J,rt='La <a href="https://github.com/huggingface/hub-docs/blame/main/modelcard.md" rel="nofollow">specifica completa dei cartellini</a> permette di riportare lingue, license, tags, datasets, metriche di valutazione, e anche i risultati della valutazione del modello ottenuti durante l’addestramento.',ye,W,De,ee,Re;return $=new g({props:{title:"Generare un cartellino del modello",local:"generare-un-cartellino-del-modello",headingTag:"h1"}}),z=new ht({props:{chapter:4,classNames:"absolute z-10 right-0 top-0"}}),T=new g({props:{title:"Descrizione del modello",local:"descrizione-del-modello",headingTag:"h3"}}),q=new g({props:{title:"Usi previsti e limitazioni",local:"usi-previsti-e-limitazioni",headingTag:"h3"}}),H=new g({props:{title:"Istruzioni d’uso",local:"istruzioni-duso",headingTag:"h3"}}),j=new g({props:{title:"Dati di addestramento",local:"dati-di-addestramento",headingTag:"h3"}}),Q=new g({props:{title:"Procedura di addestramento",local:"procedura-di-addestramento",headingTag:"h3"}}),k=new g({props:{title:"Variabili e metriche di valutazione",local:"variabili-e-metriche-di-valutazione",headingTag:"h3"}}),D=new g({props:{title:"Risultati della valutazione",local:"risultati-della-valutazione",headingTag:"h3"}}),S=new g({props:{title:"Esempio",local:"esempio",headingTag:"h2"}}),G=new g({props:{title:"Nota",local:"nota",headingTag:"h2"}}),N=new g({props:{title:"Metadati del cartellino del modello",local:"metadati-del-cartellino-del-modello",headingTag:"h2"}}),Y=new zt({props:{code:"LS0tJTBBbGFuZ3VhZ2UlM0ElMjBmciUwQWxpY2Vuc2UlM0ElMjBtaXQlMEFkYXRhc2V0cyUzQSUwQS0lMjBvc2NhciUwQS0tLQ==",highlighted:`<span class="hljs-meta">---</span> | |
| <span class="hljs-attr">language:</span> <span class="hljs-string">fr</span> | |
| <span class="hljs-attr">license:</span> <span class="hljs-string">mit</span> | |
| <span class="hljs-attr">datasets:</span> | |
| <span class="hljs-bullet">-</span> <span class="hljs-string">oscar</span> | |
| <span class="hljs-meta">---</span>`,wrap:!1}}),W=new bt({props:{source:"https://github.com/huggingface/course/blob/main/chapters/it/chapter4/4.mdx"}}),{c(){v=o("meta"),te=a(),K=o("p"),ie=a(),d($.$$.fragment),le=a(),d(z.$$.fragment),ae=a(),h=o("p"),h.textContent=Fe,ne=a(),b=o("p"),b.textContent=Be,oe=a(),x=o("p"),x.innerHTML=Ae,se=a(),C=o("p"),C.innerHTML=Ge,re=a(),_=o("p"),_.textContent=Ve,de=a(),w=o("ul"),w.innerHTML=Ne,me=a(),M=o("p"),M.textContent=Oe,ue=a(),d(T.$$.fragment),pe=a(),P=o("p"),P.textContent=Xe,ce=a(),d(q.$$.fragment),fe=a(),L=o("p"),L.textContent=Ye,ge=a(),d(H.$$.fragment),ve=a(),E=o("p"),E.innerHTML=Ze,$e=a(),d(j.$$.fragment),ze=a(),I=o("p"),I.textContent=Je,he=a(),d(Q.$$.fragment),be=a(),U=o("p"),U.textContent=We,xe=a(),d(k.$$.fragment),Ce=a(),y=o("p"),y.textContent=Ke,_e=a(),d(D.$$.fragment),we=a(),R=o("p"),R.textContent=et,Me=a(),d(S.$$.fragment),Te=a(),F=o("p"),F.textContent=tt,Pe=a(),B=o("ul"),B.innerHTML=it,qe=a(),A=o("p"),A.innerHTML=lt,Le=a(),d(G.$$.fragment),He=a(),V=o("p"),V.textContent=at,Ee=a(),d(N.$$.fragment),je=a(),O=o("p"),O.textContent=nt,Ie=a(),X=o("p"),X.innerHTML=ot,Qe=a(),d(Y.$$.fragment),Ue=a(),Z=o("p"),Z.textContent=st,ke=a(),J=o("p"),J.innerHTML=rt,ye=a(),d(W.$$.fragment),De=a(),ee=o("p"),this.h()},l(e){const t=vt("svelte-u9bgzb",document.head);v=s(t,"META",{name:!0,content:!0}),t.forEach(i),te=n(e),K=s(e,"P",{}),dt(K).forEach(i),ie=n(e),m($.$$.fragment,e),le=n(e),m(z.$$.fragment,e),ae=n(e),h=s(e,"P",{"data-svelte-h":!0}),r(h)!=="svelte-1ds1cha"&&(h.textContent=Fe),ne=n(e),b=s(e,"P",{"data-svelte-h":!0}),r(b)!=="svelte-dzxgx3"&&(b.textContent=Be),oe=n(e),x=s(e,"P",{"data-svelte-h":!0}),r(x)!=="svelte-1owrkck"&&(x.innerHTML=Ae),se=n(e),C=s(e,"P",{"data-svelte-h":!0}),r(C)!=="svelte-rk3eb4"&&(C.innerHTML=Ge),re=n(e),_=s(e,"P",{"data-svelte-h":!0}),r(_)!=="svelte-1albns"&&(_.textContent=Ve),de=n(e),w=s(e,"UL",{"data-svelte-h":!0}),r(w)!=="svelte-18zv35"&&(w.innerHTML=Ne),me=n(e),M=s(e,"P",{"data-svelte-h":!0}),r(M)!=="svelte-1v1x4qc"&&(M.textContent=Oe),ue=n(e),m(T.$$.fragment,e),pe=n(e),P=s(e,"P",{"data-svelte-h":!0}),r(P)!=="svelte-1gx3cjc"&&(P.textContent=Xe),ce=n(e),m(q.$$.fragment,e),fe=n(e),L=s(e,"P",{"data-svelte-h":!0}),r(L)!=="svelte-f6b607"&&(L.textContent=Ye),ge=n(e),m(H.$$.fragment,e),ve=n(e),E=s(e,"P",{"data-svelte-h":!0}),r(E)!=="svelte-oa5xat"&&(E.innerHTML=Ze),$e=n(e),m(j.$$.fragment,e),ze=n(e),I=s(e,"P",{"data-svelte-h":!0}),r(I)!=="svelte-6jmfld"&&(I.textContent=Je),he=n(e),m(Q.$$.fragment,e),be=n(e),U=s(e,"P",{"data-svelte-h":!0}),r(U)!=="svelte-1wq3vvm"&&(U.textContent=We),xe=n(e),m(k.$$.fragment,e),Ce=n(e),y=s(e,"P",{"data-svelte-h":!0}),r(y)!=="svelte-6hbi2"&&(y.textContent=Ke),_e=n(e),m(D.$$.fragment,e),we=n(e),R=s(e,"P",{"data-svelte-h":!0}),r(R)!=="svelte-1w1fnmv"&&(R.textContent=et),Me=n(e),m(S.$$.fragment,e),Te=n(e),F=s(e,"P",{"data-svelte-h":!0}),r(F)!=="svelte-y0vsua"&&(F.textContent=tt),Pe=n(e),B=s(e,"UL",{"data-svelte-h":!0}),r(B)!=="svelte-1fs0egh"&&(B.innerHTML=it),qe=n(e),A=s(e,"P",{"data-svelte-h":!0}),r(A)!=="svelte-zaha8c"&&(A.innerHTML=lt),Le=n(e),m(G.$$.fragment,e),He=n(e),V=s(e,"P",{"data-svelte-h":!0}),r(V)!=="svelte-9qvqxm"&&(V.textContent=at),Ee=n(e),m(N.$$.fragment,e),je=n(e),O=s(e,"P",{"data-svelte-h":!0}),r(O)!=="svelte-1tz66ad"&&(O.textContent=nt),Ie=n(e),X=s(e,"P",{"data-svelte-h":!0}),r(X)!=="svelte-nf5d9n"&&(X.innerHTML=ot),Qe=n(e),m(Y.$$.fragment,e),Ue=n(e),Z=s(e,"P",{"data-svelte-h":!0}),r(Z)!=="svelte-1tzl4bn"&&(Z.textContent=st),ke=n(e),J=s(e,"P",{"data-svelte-h":!0}),r(J)!=="svelte-1xg92f0"&&(J.innerHTML=rt),ye=n(e),m(W.$$.fragment,e),De=n(e),ee=s(e,"P",{}),dt(ee).forEach(i),this.h()},h(){mt(v,"name","hf:doc:metadata"),mt(v,"content",Ct)},m(e,t){$t(document.head,v),l(e,te,t),l(e,K,t),l(e,ie,t),u($,e,t),l(e,le,t),u(z,e,t),l(e,ae,t),l(e,h,t),l(e,ne,t),l(e,b,t),l(e,oe,t),l(e,x,t),l(e,se,t),l(e,C,t),l(e,re,t),l(e,_,t),l(e,de,t),l(e,w,t),l(e,me,t),l(e,M,t),l(e,ue,t),u(T,e,t),l(e,pe,t),l(e,P,t),l(e,ce,t),u(q,e,t),l(e,fe,t),l(e,L,t),l(e,ge,t),u(H,e,t),l(e,ve,t),l(e,E,t),l(e,$e,t),u(j,e,t),l(e,ze,t),l(e,I,t),l(e,he,t),u(Q,e,t),l(e,be,t),l(e,U,t),l(e,xe,t),u(k,e,t),l(e,Ce,t),l(e,y,t),l(e,_e,t),u(D,e,t),l(e,we,t),l(e,R,t),l(e,Me,t),u(S,e,t),l(e,Te,t),l(e,F,t),l(e,Pe,t),l(e,B,t),l(e,qe,t),l(e,A,t),l(e,Le,t),u(G,e,t),l(e,He,t),l(e,V,t),l(e,Ee,t),u(N,e,t),l(e,je,t),l(e,O,t),l(e,Ie,t),l(e,X,t),l(e,Qe,t),u(Y,e,t),l(e,Ue,t),l(e,Z,t),l(e,ke,t),l(e,J,t),l(e,ye,t),u(W,e,t),l(e,De,t),l(e,ee,t),Re=!0},p:pt,i(e){Re||(p($.$$.fragment,e),p(z.$$.fragment,e),p(T.$$.fragment,e),p(q.$$.fragment,e),p(H.$$.fragment,e),p(j.$$.fragment,e),p(Q.$$.fragment,e),p(k.$$.fragment,e),p(D.$$.fragment,e),p(S.$$.fragment,e),p(G.$$.fragment,e),p(N.$$.fragment,e),p(Y.$$.fragment,e),p(W.$$.fragment,e),Re=!0)},o(e){c($.$$.fragment,e),c(z.$$.fragment,e),c(T.$$.fragment,e),c(q.$$.fragment,e),c(H.$$.fragment,e),c(j.$$.fragment,e),c(Q.$$.fragment,e),c(k.$$.fragment,e),c(D.$$.fragment,e),c(S.$$.fragment,e),c(G.$$.fragment,e),c(N.$$.fragment,e),c(Y.$$.fragment,e),c(W.$$.fragment,e),Re=!1},d(e){e&&(i(te),i(K),i(ie),i(le),i(ae),i(h),i(ne),i(b),i(oe),i(x),i(se),i(C),i(re),i(_),i(de),i(w),i(me),i(M),i(ue),i(pe),i(P),i(ce),i(fe),i(L),i(ge),i(ve),i(E),i($e),i(ze),i(I),i(he),i(be),i(U),i(xe),i(Ce),i(y),i(_e),i(we),i(R),i(Me),i(Te),i(F),i(Pe),i(B),i(qe),i(A),i(Le),i(He),i(V),i(Ee),i(je),i(O),i(Ie),i(X),i(Qe),i(Ue),i(Z),i(ke),i(J),i(ye),i(De),i(ee)),i(v),f($,e),f(z,e),f(T,e),f(q,e),f(H,e),f(j,e),f(Q,e),f(k,e),f(D,e),f(S,e),f(G,e),f(N,e),f(Y,e),f(W,e)}}}const Ct='{"title":"Generare un cartellino del modello","local":"generare-un-cartellino-del-modello","sections":[{"title":"Descrizione del modello","local":"descrizione-del-modello","sections":[],"depth":3},{"title":"Usi previsti e limitazioni","local":"usi-previsti-e-limitazioni","sections":[],"depth":3},{"title":"Istruzioni d’uso","local":"istruzioni-duso","sections":[],"depth":3},{"title":"Dati di addestramento","local":"dati-di-addestramento","sections":[],"depth":3},{"title":"Procedura di addestramento","local":"procedura-di-addestramento","sections":[],"depth":3},{"title":"Variabili e metriche di valutazione","local":"variabili-e-metriche-di-valutazione","sections":[],"depth":3},{"title":"Risultati della valutazione","local":"risultati-della-valutazione","sections":[],"depth":3},{"title":"Esempio","local":"esempio","sections":[],"depth":2},{"title":"Nota","local":"nota","sections":[],"depth":2},{"title":"Metadati del cartellino del modello","local":"metadati-del-cartellino-del-modello","sections":[],"depth":2}],"depth":1}';function _t(Se){return ct(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class Lt extends ft{constructor(v){super(),gt(this,v,_t,xt,ut,{})}}export{Lt as component}; | |
Xet Storage Details
- Size:
- 15.4 kB
- Xet hash:
- 9fe136f5646aeaeed75354a7e8cd1b5030c2f4b918e4415e2e8e66a077e4690c
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.