Buckets:
| # ¡Has completado el uso básico! | |
| <CourseFloatingBanner | |
| chapter={2} | |
| classNames="absolute z-10 right-0 top-0" | |
| /> | |
| ¡Buen trabajo siguiendo el curso hasta ahora! Para recapitular, en este capítulo tú: | |
| - Aprendiste los bloques de construcción básicos de un modelo Transformer. | |
| - Aprendiste lo que compone a un pipeline de tokenización. | |
| - Viste cómo usar un modelo Transformer en la práctica. | |
| - Aprendiste cómo aprovechar un tokenizador para convertir texto a tensores que sean entendibles por el modelo. | |
| - Configuraste un tokenizador y un modelo juntos para pasar dle texto a predicciones. | |
| - Aprendiste las limitaciones de los IDs de entrada, y aprendiste acerca de máscaras de atención. | |
| - Jugaste con los métodos del tokenizador versátiles y configurables. | |
| A partir de ahora, serás capaz de navegar libremente por la documentación de 🤗 Transformers: el vocabulario te sonará familiar, ya que has visto los métodos que usarás la mayor parte del tiempo. | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/es/chapter2/7.mdx" /> |
Xet Storage Details
- Size:
- 1.08 kB
- Xet hash:
- 260d148ea090abf12d0148900ff90a8f9bffc47fd724efa237bbf51bd7aef5db
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.