Buckets:
| # Fein-tunen, Check! | |
| <CourseFloatingBanner | |
| chapter={3} | |
| classNames="absolute z-10 right-0 top-0" | |
| /> | |
| Das hat Spaß gemacht! In den ersten beiden Kapiteln hast du etwas über Modelle und Tokenizer gelernt, und jetzt weißt du, wie du sie auf deine eigenen Daten fein-tunen kannst. Rekapitulieren wir, was du in diesem Kapitel gelernt hast: | |
| {#if fw === 'pt'} | |
| * Über Datensätze im [Hub](https://huggingface.co/datasets) | |
| * Wie du Datensätze lädst und vorverarbeitest, einschließlich der Verwendung von dynamischem Padding und Collators | |
| * Implementierung des eigenen Fein-tunings und der Evaluierung eines Modells | |
| * Eine Trainingsschleife auf niedriger Ebene implementiert | |
| * Mit 🤗 Accelerate die Trainingsschleife so anpassen, dass sie für mehrere GPUs oder TPUs funktioniert | |
| {:else} | |
| * Über Datensätze im [Hub](https://huggingface.co/datasets) | |
| * Wie man Datensätze lädt und vorverarbeitet | |
| * Wie man ein Modell mit Keras fein-tunet und auswertet | |
| * Eine eigene Metrik implementiert | |
| {/if} | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/de/chapter3/5.mdx" /> |
Xet Storage Details
- Size:
- 1.11 kB
- Xet hash:
- f648b905f54de2ef4a4c433658c4a9e7cb8d3bf94ea60b755071470f830ac17c
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.