Buckets:
| # Ajuste de modelos, ¡hecho! | |
| <CourseFloatingBanner chapter={3} classNames="absolute z-10 right-0 top-0" /> | |
| ¡Qué divertido! En los dos primeros capítulos aprendiste sobre modelos y tokenizadores, y ahora sabes cómo ajustarlos a tus propios datos. Para recapitular, en este capítulo: | |
| {#if fw === 'pt'} | |
| - Aprendiste sobre los conjuntos de datos del [Hub](https://huggingface.co/datasets) | |
| - Aprendiste a cargar y preprocesar conjuntos de datos, incluyendo el uso de padding dinámico y los "collators" | |
| - Implementaste tu propio ajuste (fine-tuning) y cómo evaluar un modelo | |
| - Implementaste un bucle de entrenamiento de bajo nivel | |
| - Utilizaste 🤗 Accelerate para adaptar fácilmente tu bucle de entrenamiento para que funcione en múltiples GPUs o TPUs | |
| {:else} | |
| - Aprendiste sobre los conjuntos de datos en [Hub](https://huggingface.co/datasets) | |
| - Aprendiste a cargar y preprocesar conjuntos de datos | |
| - Aprendiste a ajustar (fine-tuning) y evaluar un modelo con Keras | |
| - Implementaste una métrica personalizada | |
| {/if} | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/es/chapter3/5.mdx" /> |
Xet Storage Details
- Size:
- 1.13 kB
- Xet hash:
- e67ef5ee49bd922a785bda55729fe01145de6bdef9e598bd7849097b20f7a6e6
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.