Buckets:
| # Introducción | |
| <CourseFloatingBanner | |
| chapter={3} | |
| classNames="absolute z-10 right-0 top-0" | |
| /> | |
| En el [Capítulo 2](/course/chapter2) exploramos cómo usar los tokenizadores y modelos preentrenados para realizar predicciones. Pero, ¿qué pasa si deseas ajustar un modelo preentrenado con tu propio conjunto de datos? | |
| {#if fw === 'pt'} | |
| * Cómo preparar un conjunto de datos grande desde el Hub. | |
| * Cómo usar la API de alto nivel del entrenador para ajustar un modelo. | |
| * Cómo usar un bucle personalizado de entrenamiento. | |
| * Cómo aprovechar la librería 🤗 Accelerate para fácilmente ejecutar el bucle personalizado de entrenamiento en cualquier configuración distribuida. | |
| {:else} | |
| * Cómo preparar un conjunto de datos grande desde el Hub. | |
| * Cómo usar Keras para ajustar un modelo. | |
| * Cómo usar Keras para obtener predicciones. | |
| * Cómo usar una métrica personalizada. | |
| {/if} | |
| Para subir tus puntos de control (*checkpoints*) en el Hub de Hugging Face, necesitas una cuenta en huggingface.co: [crea una cuenta](https://huggingface.co/join) | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/es/chapter3/1.mdx" /> |
Xet Storage Details
- Size:
- 1.16 kB
- Xet hash:
- 1fe2aa10d5764966e27c1ac357fe04cd3edfbfe948213b8649624e0def09ef31
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.