Buckets:
| import{s as S,n as D,o as N}from"../chunks/scheduler.37c15a92.js";import{S as q,i as B,g as d,s as o,r as w,m as F,A as G,h as $,f as a,c,j as L,u as P,n as I,x as M,k as U,y as O,a as i,v as C,d as T,t as k,w as E}from"../chunks/index.2bf4358c.js";import{C as R}from"../chunks/CourseFloatingBanner.6add7356.js";import{H as J,E as K}from"../chunks/getInferenceSnippets.24b50994.js";function Q(j){let n,h,p,z,r,b,l,v,s,y="<li>Am învățat elementele de bază ale unui model Transformer.</li> <li>Am învățat ce formează un pipeline de tokenizare.</li> <li>Am văzut cum să utilizați un model Transformer în practică.</li> <li>Am învățat cum să folosiți un tokenizer pentru a converti textul în tensori care sunt inteligibili pentru model.</li> <li>Am configurat împreună un tokenizer și un model pentru a ajunge de la text la predicții.</li> <li>Am învățat limitările ID-urilor de intrare și am învățat despre attention masks.</li> <li>Ne-am antrenat cu ajutorul metodelor versatile și configurabile ale tokenizatorului.</li>",g,m,H="De acum înainte, ar trebui să puteți naviga liber prin documentația 🤗 Transformers: vocabularul va suna familiar și ați văzut deja metodele pe care le veți utiliza în majoritatea timpului.",_,u,x,f,A;return r=new J({props:{title:"Utilizarea de bază este completă!",local:"utilizarea-de-bază-este-completă",headingTag:"h1"}}),l=new R({props:{chapter:2,classNames:"absolute z-10 right-0 top-0"}}),u=new K({props:{source:"https://github.com/huggingface/course/blob/main/chapters/rum/chapter2/7.mdx"}}),{c(){n=d("meta"),h=o(),p=d("p"),z=o(),w(r.$$.fragment),b=o(),w(l.$$.fragment),v=F(` | |
| Ați făcut o treabă excelentă dacă ați urmat cursul până aici! Pentru a sintetiza, în acest capitol: | |
| `),s=d("ul"),s.innerHTML=y,g=o(),m=d("p"),m.textContent=H,_=o(),w(u.$$.fragment),x=o(),f=d("p"),this.h()},l(e){const t=G("svelte-u9bgzb",document.head);n=$(t,"META",{name:!0,content:!0}),t.forEach(a),h=c(e),p=$(e,"P",{}),L(p).forEach(a),z=c(e),P(r.$$.fragment,e),b=c(e),P(l.$$.fragment,e),v=I(e,` | |
| Ați făcut o treabă excelentă dacă ați urmat cursul până aici! Pentru a sintetiza, în acest capitol: | |
| `),s=$(e,"UL",{"data-svelte-h":!0}),M(s)!=="svelte-14xrehh"&&(s.innerHTML=y),g=c(e),m=$(e,"P",{"data-svelte-h":!0}),M(m)!=="svelte-19woe84"&&(m.textContent=H),_=c(e),P(u.$$.fragment,e),x=c(e),f=$(e,"P",{}),L(f).forEach(a),this.h()},h(){U(n,"name","hf:doc:metadata"),U(n,"content",V)},m(e,t){O(document.head,n),i(e,h,t),i(e,p,t),i(e,z,t),C(r,e,t),i(e,b,t),C(l,e,t),i(e,v,t),i(e,s,t),i(e,g,t),i(e,m,t),i(e,_,t),C(u,e,t),i(e,x,t),i(e,f,t),A=!0},p:D,i(e){A||(T(r.$$.fragment,e),T(l.$$.fragment,e),T(u.$$.fragment,e),A=!0)},o(e){k(r.$$.fragment,e),k(l.$$.fragment,e),k(u.$$.fragment,e),A=!1},d(e){e&&(a(h),a(p),a(z),a(b),a(v),a(s),a(g),a(m),a(_),a(x),a(f)),a(n),E(r,e),E(l,e),E(u,e)}}}const V='{"title":"Utilizarea de bază este completă!","local":"utilizarea-de-bază-este-completă","sections":[],"depth":1}';function W(j){return N(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class te extends q{constructor(n){super(),B(this,n,W,Q,S,{})}}export{te as component}; | |
Xet Storage Details
- Size:
- 3.16 kB
- Xet hash:
- c532be358c044d53c7063c5095f11af63dac257fd9b4906a6f2eb4eedcba27ad
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.