Buckets:

rtrm's picture
download
raw
3.26 kB
import{s as j,n as U,o as B}from"../chunks/scheduler.37c15a92.js";import{S as G,i as I,g as f,s,r as T,A as O,h as d,f as a,c as r,j as A,u as z,x as D,k as N,y as R,a as i,v as E,d as L,t as M,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(S){let n,b,$,_,l,g,o,v,c,k="Ei bine, a fost un tur palpitant prin biblioteca 🤗 Datasets — felicitări pentru că ai ajuns până aici! Cu cunoștințele pe care le-ai dobândit din acest capitol, ar trebui să fii capabil să:",x,u,q="<li>Încarci dataseturi de oriunde, fie Hugging Face Hub, laptopul tău sau un server remote de la compania ta.</li> <li>Modelezi datele tale folosind o combinație a funcțiilor <code>Dataset.map()</code> și <code>Dataset.filter()</code>.</li> <li>Schimbi rapid între data formats precum Pandas și NumPy folosind <code>Dataset.set_format()</code>.</li> <li>Creezi propriul tău dataset și să îl publici pe Hugging Face Hub.</li> <li>Încorporezi documentele tale folosind un model Transformer și construiești un motor de căutare semantică folosind FAISS.</li>",C,m,F='În <a href="/course/chapter7">Capitolul 7</a>, vom pune toate acestea în practică, făcând o examinare amănunțită a principalelor sarcini NLP pentru care modelele Transformer sunt excelente. Înainte de a trece mai departe, puneți-vă cunoștințele despre 🤗 Datasets la încercare cu un quiz rapid!',P,p,H,h,w;return l=new K({props:{title:"🤗 Datasets, verificare!",local:"datasets-check",headingTag:"h1"}}),o=new J({props:{chapter:5,classNames:"absolute z-10 right-0 top-0"}}),p=new Q({props:{source:"https://github.com/huggingface/course/blob/main/chapters/rum/chapter5/7.mdx"}}),{c(){n=f("meta"),b=s(),$=f("p"),_=s(),T(l.$$.fragment),g=s(),T(o.$$.fragment),v=s(),c=f("p"),c.textContent=k,x=s(),u=f("ul"),u.innerHTML=q,C=s(),m=f("p"),m.innerHTML=F,P=s(),T(p.$$.fragment),H=s(),h=f("p"),this.h()},l(e){const t=O("svelte-u9bgzb",document.head);n=d(t,"META",{name:!0,content:!0}),t.forEach(a),b=r(e),$=d(e,"P",{}),A($).forEach(a),_=r(e),z(l.$$.fragment,e),g=r(e),z(o.$$.fragment,e),v=r(e),c=d(e,"P",{"data-svelte-h":!0}),D(c)!=="svelte-1lqoy3"&&(c.textContent=k),x=r(e),u=d(e,"UL",{"data-svelte-h":!0}),D(u)!=="svelte-oh5edz"&&(u.innerHTML=q),C=r(e),m=d(e,"P",{"data-svelte-h":!0}),D(m)!=="svelte-1aqxtk6"&&(m.innerHTML=F),P=r(e),z(p.$$.fragment,e),H=r(e),h=d(e,"P",{}),A(h).forEach(a),this.h()},h(){N(n,"name","hf:doc:metadata"),N(n,"content",W)},m(e,t){R(document.head,n),i(e,b,t),i(e,$,t),i(e,_,t),E(l,e,t),i(e,g,t),E(o,e,t),i(e,v,t),i(e,c,t),i(e,x,t),i(e,u,t),i(e,C,t),i(e,m,t),i(e,P,t),E(p,e,t),i(e,H,t),i(e,h,t),w=!0},p:U,i(e){w||(L(l.$$.fragment,e),L(o.$$.fragment,e),L(p.$$.fragment,e),w=!0)},o(e){M(l.$$.fragment,e),M(o.$$.fragment,e),M(p.$$.fragment,e),w=!1},d(e){e&&(a(b),a($),a(_),a(g),a(v),a(c),a(x),a(u),a(C),a(m),a(P),a(H),a(h)),a(n),y(l,e),y(o,e),y(p,e)}}}const W='{"title":"🤗 Datasets, verificare!","local":"datasets-check","sections":[],"depth":1}';function X(S){return B(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ae extends G{constructor(n){super(),I(this,n,X,V,j,{})}}export{ae as component};

Xet Storage Details

Size:
3.26 kB
·
Xet hash:
044ea7bae97bb21c305c2d2fad2158d6835826fe0129bd8fa7642dc2e21c8275

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