Buckets:

rtrm's picture
download
raw
3.38 kB
import{s as N,n as U,o as B}from"../chunks/scheduler.37c15a92.js";import{S as G,i as I,g as f,s as i,r as D,A as O,h as d,f as a,c as r,j as F,u as L,x as M,k,y as R,a as s,v as T,d as z,t as E,w as y}from"../chunks/index.2bf4358c.js";import{C as J}from"../chunks/CourseFloatingBanner.6add7356.js";import{H as K,E as Q}from"../chunks/getInferenceSnippets.24b50994.js";function V(C){let n,$,h,g,l,_,o,b,u,j="Eh bien, ce fut une sacrée visite de la bibliothèque 🤗 <em>Datasets</em>. Félicitations d’être arrivé jusqu’ici ! Avec les connaissances que vous avez acquises dans ce chapitre, vous devriez être en mesure de :",H,m,A="<li>charger des jeux de données depuis n’importe où, que ce soit le <em>Hub</em> d’Hugging Face, votre ordinateur portable ou un serveur distant de votre entreprise,</li> <li>manipuler vos données en utilisant un mélange des fonctions Dataset.map() et Dataset.filter(),</li> <li>passer rapidement d’un format de données à un autre, comme Pandas et NumPy, en utilisant Dataset.set_format(),</li> <li>créer votre propre jeu de données et l’envoyer vers le <em>Hub</em>,</li> <li>enchâsser vos documents en utilisant un <em>transformer</em> et construire un moteur de recherche sémantique en utilisant FAISS.</li>",P,c,S='Dans le <a href="/course/fr/chapter7">chapitre 7</a>, nous mettrons tout cela à profit en plongeant dans les tâches de traitement du langage naturel de base pour lesquelles les <em>transformers</em> sont parfaits. Avant cela mettez vos connaissances sur la librairie 🤗 <em>Datasets</em> à l’épreuve avec un petit quiz !',q,p,w,v,x;return l=new K({props:{title:"🤗 <i> Datasets </i> , coché !",local:"-i-datasets-i--coché-",headingTag:"h1"}}),o=new J({props:{chapter:5,classNames:"absolute z-10 right-0 top-0"}}),p=new Q({props:{source:"https://github.com/huggingface/course/blob/main/chapters/fr/chapter5/7.mdx"}}),{c(){n=f("meta"),$=i(),h=f("p"),g=i(),D(l.$$.fragment),_=i(),D(o.$$.fragment),b=i(),u=f("p"),u.innerHTML=j,H=i(),m=f("ul"),m.innerHTML=A,P=i(),c=f("p"),c.innerHTML=S,q=i(),D(p.$$.fragment),w=i(),v=f("p"),this.h()},l(e){const t=O("svelte-u9bgzb",document.head);n=d(t,"META",{name:!0,content:!0}),t.forEach(a),$=r(e),h=d(e,"P",{}),F(h).forEach(a),g=r(e),L(l.$$.fragment,e),_=r(e),L(o.$$.fragment,e),b=r(e),u=d(e,"P",{"data-svelte-h":!0}),M(u)!=="svelte-9jac29"&&(u.innerHTML=j),H=r(e),m=d(e,"UL",{"data-svelte-h":!0}),M(m)!=="svelte-dgduwt"&&(m.innerHTML=A),P=r(e),c=d(e,"P",{"data-svelte-h":!0}),M(c)!=="svelte-2zndk6"&&(c.innerHTML=S),q=r(e),L(p.$$.fragment,e),w=r(e),v=d(e,"P",{}),F(v).forEach(a),this.h()},h(){k(n,"name","hf:doc:metadata"),k(n,"content",W)},m(e,t){R(document.head,n),s(e,$,t),s(e,h,t),s(e,g,t),T(l,e,t),s(e,_,t),T(o,e,t),s(e,b,t),s(e,u,t),s(e,H,t),s(e,m,t),s(e,P,t),s(e,c,t),s(e,q,t),T(p,e,t),s(e,w,t),s(e,v,t),x=!0},p:U,i(e){x||(z(l.$$.fragment,e),z(o.$$.fragment,e),z(p.$$.fragment,e),x=!0)},o(e){E(l.$$.fragment,e),E(o.$$.fragment,e),E(p.$$.fragment,e),x=!1},d(e){e&&(a($),a(h),a(g),a(_),a(b),a(u),a(H),a(m),a(P),a(c),a(q),a(w),a(v)),a(n),y(l,e),y(o,e),y(p,e)}}}const W='{"title":"🤗 <i> Datasets </i> , coché !","local":"-i-datasets-i--coché-","sections":[],"depth":1}';function X(C){return B(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ae extends G{constructor(n){super(),I(this,n,X,V,N,{})}}export{ae as component};

Xet Storage Details

Size:
3.38 kB
·
Xet hash:
7280a4c6fa926f76c4df5b23523d329e0d06f90765c7933059b63d69f4d32479

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