Buckets:
| import{s as N,n as J,o as K}from"../chunks/scheduler.37c15a92.js";import{S as Q,i as V,g as l,s as r,r as j,A as W,h as o,f as n,c as s,j as B,u as A,x as b,k as G,y as X,a,v as y,d as D,t as z,w as k}from"../chunks/index.2bf4358c.js";import{C as Y}from"../chunks/CourseFloatingBanner.6add7356.js";import{H as Z,E as ee}from"../chunks/getInferenceSnippets.24b50994.js";function te(S){let i,g,$,H,u,q,m,x,p,F='Dans le <a href="/course/fr/chapter3">chapitre 3</a> vous avez eu un premier aperçu de la bibliothèque 🤗 <em>Datasets</em> et des trois étapes principales pour <em>finetuner</em> un modèle :',L,c,I="<li>chargement d’un jeu de données à partir du <em>Hub</em> d’Hugging Face,</li> <li>prétraitement des données avec <code>Dataset.map()</code>,</li> <li>chargement et calcul des métriques.</li>",M,f,O="Mais ce n’est qu’effleurer la surface de ce que 🤗 <em>Datasets</em> peut faire ! Dans ce chapitre, nous allons plonger profondément dans cette bibliothèque. En cours de route, nous trouverons des réponses aux questions suivantes :",T,d,R="<li>que faire lorsque votre jeu de données n’est pas sur le <em>Hub</em> ?</li> <li>comment découper et trancher un jeu de données ? (Et si on a <em>vraiment</em> besoin d’utiliser Pandas ?)</li> <li>que faire lorsque votre jeu de données est énorme et va monopoliser la RAM de votre ordinateur portable ?</li> <li>qu’est-ce que c’est que le « <em>memory mapping</em> » et Apache Arrow ?</li> <li>comment créer votre propre jeu de données et le pousser sur le <em>Hub</em> ?</li>",P,h,U='Les techniques apprises dans ce chapitre vous prépareront aux tâches avancées de tokenisation du <a href="/course/fr/chapter6">chapitre 6</a> et de <em>finetuning</em> du <a href="/course/fr/chapter7">chapitre 7</a>. Alors prenez un café et commençons !',w,v,C,_,E;return u=new Z({props:{title:"Introduction",local:"introduction",headingTag:"h1"}}),m=new Y({props:{chapter:5,classNames:"absolute z-10 right-0 top-0"}}),v=new ee({props:{source:"https://github.com/huggingface/course/blob/main/chapters/fr/chapter5/1.mdx"}}),{c(){i=l("meta"),g=r(),$=l("p"),H=r(),j(u.$$.fragment),q=r(),j(m.$$.fragment),x=r(),p=l("p"),p.innerHTML=F,L=r(),c=l("ol"),c.innerHTML=I,M=r(),f=l("p"),f.innerHTML=O,T=r(),d=l("ul"),d.innerHTML=R,P=r(),h=l("p"),h.innerHTML=U,w=r(),j(v.$$.fragment),C=r(),_=l("p"),this.h()},l(e){const t=W("svelte-u9bgzb",document.head);i=o(t,"META",{name:!0,content:!0}),t.forEach(n),g=s(e),$=o(e,"P",{}),B($).forEach(n),H=s(e),A(u.$$.fragment,e),q=s(e),A(m.$$.fragment,e),x=s(e),p=o(e,"P",{"data-svelte-h":!0}),b(p)!=="svelte-jxcmgr"&&(p.innerHTML=F),L=s(e),c=o(e,"OL",{"data-svelte-h":!0}),b(c)!=="svelte-h9lvc9"&&(c.innerHTML=I),M=s(e),f=o(e,"P",{"data-svelte-h":!0}),b(f)!=="svelte-trk291"&&(f.innerHTML=O),T=s(e),d=o(e,"UL",{"data-svelte-h":!0}),b(d)!=="svelte-12xp3ho"&&(d.innerHTML=R),P=s(e),h=o(e,"P",{"data-svelte-h":!0}),b(h)!=="svelte-1vx4stu"&&(h.innerHTML=U),w=s(e),A(v.$$.fragment,e),C=s(e),_=o(e,"P",{}),B(_).forEach(n),this.h()},h(){G(i,"name","hf:doc:metadata"),G(i,"content",ne)},m(e,t){X(document.head,i),a(e,g,t),a(e,$,t),a(e,H,t),y(u,e,t),a(e,q,t),y(m,e,t),a(e,x,t),a(e,p,t),a(e,L,t),a(e,c,t),a(e,M,t),a(e,f,t),a(e,T,t),a(e,d,t),a(e,P,t),a(e,h,t),a(e,w,t),y(v,e,t),a(e,C,t),a(e,_,t),E=!0},p:J,i(e){E||(D(u.$$.fragment,e),D(m.$$.fragment,e),D(v.$$.fragment,e),E=!0)},o(e){z(u.$$.fragment,e),z(m.$$.fragment,e),z(v.$$.fragment,e),E=!1},d(e){e&&(n(g),n($),n(H),n(q),n(x),n(p),n(L),n(c),n(M),n(f),n(T),n(d),n(P),n(h),n(w),n(C),n(_)),n(i),k(u,e),k(m,e),k(v,e)}}}const ne='{"title":"Introduction","local":"introduction","sections":[],"depth":1}';function ae(S){return K(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class oe extends Q{constructor(i){super(),V(this,i,ae,te,N,{})}}export{oe as component}; | |
Xet Storage Details
- Size:
- 3.83 kB
- Xet hash:
- 9cfc772ee5287c494f65b816f5fa5a9d8e602d445b6152c0260192fab7a939e9
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.