course/pr_1069/ru/_app/immutable/nodes/12.6b52ecdb.js

import{s as j,n as k,o as q}from"../chunks/scheduler.37c15a92.js";import{S as D,i as F,g as u,s as r,r as C,A as O,h as c,f as a,c as i,j as I,u as R,x as w,k as N,y as U,a as n,v as y,d as A,t as B,w as H}from"../chunks/index.2bf4358c.js";import{C as X}from"../chunks/CourseFloatingBanner.9ff4c771.js";import{H as J,E as K}from"../chunks/getInferenceSnippets.24b50994.js";function Q(M){let s,T,h,_,l,b,m,E,o,z="В этой главе вы увидели, как подходить к различным задачам NLP, используя высокоуровневую функцию <code>pipeline()</code> из библиотеки 🤗 Transformers. Вы также увидели, как искать и использовать модели в Hub, а также как использовать Inference API для тестирования моделей прямо в браузере.",g,p,G="Мы обсудили, как трансформеры работают на высоком уровне, и поговорили о важности трансферного обучения и дообучения. Ключевым аспектом является то, что вы можете использовать всю архитектуру или только кодировщик или декодировщик, в зависимости от того, какую задачу вы хотите решить. Следующая таблица резюмирует это:",P,d,S="<thead><tr><th>Модель</th> <th>Примеры</th> <th>Задачи</th></tr></thead> <tbody><tr><td>Кодировщик</td> <td>ALBERT, BERT, DistilBERT, ELECTRA, RoBERTa</td> <td>Классификация предложений, распознавание именованных сущностей, выделительные вопросно-ответные системы</td></tr> <tr><td>Декодировщик</td> <td>CTRL, GPT, GPT-2, Transformer XL</td> <td>Генерация текста</td></tr> <tr><td>Кодировщик-декодировщик</td> <td>BART, T5, Marian, mBART</td> <td>Автоматическое реферирование, перевод, генеративные вопросно-ответные системы</td></tr></tbody>",L,f,v,$,x;return l=new J({props:{title:"Итоги",local:"итоги",headingTag:"h1"}}),m=new X({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),f=new K({props:{source:"https://github.com/huggingface/course/blob/main/chapters/ru/chapter1/9.mdx"}}),{c(){s=u("meta"),T=r(),h=u("p"),_=r(),C(l.$$.fragment),b=r(),C(m.$$.fragment),E=r(),o=u("p"),o.innerHTML=z,g=r(),p=u("p"),p.textContent=G,P=r(),d=u("table"),d.innerHTML=S,L=r(),C(f.$$.fragment),v=r(),$=u("p"),this.h()},l(t){const e=O("svelte-u9bgzb",document.head);s=c(e,"META",{name:!0,content:!0}),e.forEach(a),T=i(t),h=c(t,"P",{}),I(h).forEach(a),_=i(t),R(l.$$.fragment,t),b=i(t),R(m.$$.fragment,t),E=i(t),o=c(t,"P",{"data-svelte-h":!0}),w(o)!=="svelte-16d4o36"&&(o.innerHTML=z),g=i(t),p=c(t,"P",{"data-svelte-h":!0}),w(p)!=="svelte-1ychpc1"&&(p.textContent=G),P=i(t),d=c(t,"TABLE",{"data-svelte-h":!0}),w(d)!=="svelte-1016y1z"&&(d.innerHTML=S),L=i(t),R(f.$$.fragment,t),v=i(t),$=c(t,"P",{}),I($).forEach(a),this.h()},h(){N(s,"name","hf:doc:metadata"),N(s,"content",V)},m(t,e){U(document.head,s),n(t,T,e),n(t,h,e),n(t,_,e),y(l,t,e),n(t,b,e),y(m,t,e),n(t,E,e),n(t,o,e),n(t,g,e),n(t,p,e),n(t,P,e),n(t,d,e),n(t,L,e),y(f,t,e),n(t,v,e),n(t,$,e),x=!0},p:k,i(t){x||(A(l.$$.fragment,t),A(m.$$.fragment,t),A(f.$$.fragment,t),x=!0)},o(t){B(l.$$.fragment,t),B(m.$$.fragment,t),B(f.$$.fragment,t),x=!1},d(t){t&&(a(T),a(h),a(_),a(b),a(E),a(o),a(g),a(p),a(P),a(d),a(L),a(v),a($)),a(s),H(l,t),H(m,t),H(f,t)}}}const V='{"title":"Итоги","local":"итоги","sections":[],"depth":1}';function W(M){return q(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class at extends D{constructor(s){super(),F(this,s,W,Q,j,{})}}export{at as component};