course/pr_1069/es/_app/immutable/nodes/12.a5e8e7f7.js

import{s as S,n as k,o as I}from"../chunks/scheduler.37c15a92.js";import{S as N,i as U,g as p,s,r as L,A as F,h as f,f as a,c as o,j as G,u as P,x as w,k as D,y as O,a as n,v as y,d as A,t as B,w as M}from"../chunks/index.2bf4358c.js";import{C as X}from"../chunks/CourseFloatingBanner.6add7356.js";import{H as J}from"../chunks/Heading.8ada512a.js";import{E as K}from"../chunks/getInferenceSnippets.b37612c0.js";function Q(H){let r,b,h,T,i,v,d,_,l,q="En este capítulo viste cómo abordar diferentes tareas de PLN usando la función de alto nivel <code>pipeline()</code> de 🤗 Transformers. También viste como buscar modelos en el Hub, así como usar la API de Inferencia para probar los modelos directamente en tu navegador.",g,m,z="Discutimos brevemente el funcionamiento de los Transformadores y hablamos sobre la importancia de la transferencia de aprendizaje y el ajuste. Un aspecto clave es que puedes usar la arquitectura completa o sólo el codificador o decodificador, dependiendo de qué tipo de tarea quieres resolver. La siguiente tabla resume lo anterior:",E,c,j="<thead><tr><th>Modelo</th> <th>Ejemplos</th> <th>Tareas</th></tr></thead> <tbody><tr><td>Codificador</td> <td>ALBERT, BERT, DistilBERT, ELECTRA, RoBERTa</td> <td>Clasificación de oraciones, reconocimiento de entidades nombradas, respuesta extractiva a preguntas</td></tr> <tr><td>Decodificador</td> <td>CTRL, GPT, GPT-2, Transformer XL</td> <td>Generación de texto</td></tr> <tr><td>Codificador-decodificador</td> <td>BART, T5, Marian, mBART</td> <td>Resumen, traducción, respuesta generativa a preguntas</td></tr></tbody>",C,u,R,$,x;return i=new J({props:{title:"Resumen",local:"resumen",headingTag:"h1"}}),d=new X({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),u=new K({props:{source:"https://github.com/huggingface/course/blob/main/chapters/es/chapter1/9.mdx"}}),{c(){r=p("meta"),b=s(),h=p("p"),T=s(),L(i.$$.fragment),v=s(),L(d.$$.fragment),_=s(),l=p("p"),l.innerHTML=q,g=s(),m=p("p"),m.textContent=z,E=s(),c=p("table"),c.innerHTML=j,C=s(),L(u.$$.fragment),R=s(),$=p("p"),this.h()},l(e){const t=F("svelte-u9bgzb",document.head);r=f(t,"META",{name:!0,content:!0}),t.forEach(a),b=o(e),h=f(e,"P",{}),G(h).forEach(a),T=o(e),P(i.$$.fragment,e),v=o(e),P(d.$$.fragment,e),_=o(e),l=f(e,"P",{"data-svelte-h":!0}),w(l)!=="svelte-z7d3gl"&&(l.innerHTML=q),g=o(e),m=f(e,"P",{"data-svelte-h":!0}),w(m)!=="svelte-1ymi42z"&&(m.textContent=z),E=o(e),c=f(e,"TABLE",{"data-svelte-h":!0}),w(c)!=="svelte-15pk5w0"&&(c.innerHTML=j),C=o(e),P(u.$$.fragment,e),R=o(e),$=f(e,"P",{}),G($).forEach(a),this.h()},h(){D(r,"name","hf:doc:metadata"),D(r,"content",V)},m(e,t){O(document.head,r),n(e,b,t),n(e,h,t),n(e,T,t),y(i,e,t),n(e,v,t),y(d,e,t),n(e,_,t),n(e,l,t),n(e,g,t),n(e,m,t),n(e,E,t),n(e,c,t),n(e,C,t),y(u,e,t),n(e,R,t),n(e,$,t),x=!0},p:k,i(e){x||(A(i.$$.fragment,e),A(d.$$.fragment,e),A(u.$$.fragment,e),x=!0)},o(e){B(i.$$.fragment,e),B(d.$$.fragment,e),B(u.$$.fragment,e),x=!1},d(e){e&&(a(b),a(h),a(T),a(v),a(_),a(l),a(g),a(m),a(E),a(c),a(C),a(R),a($)),a(r),M(i,e),M(d,e),M(u,e)}}}const V='{"title":"Resumen","local":"resumen","sections":[],"depth":1}';function W(H){return I(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ne extends N{constructor(r){super(),U(this,r,W,Q,S,{})}}export{ne as component};