Buckets:
| # Introduzione | |
| Nel [Capitolo 2](/course/chapter2) abbiamo scoperto come utilizzare i tokenizzatori e i modelli preaddestrati per effettuare delle predizioni. Ma cosa fare se si vuole affinare un modello preaddestrato col tuo dataset? Lo scopriremo in questo capitolo! Impareremo: | |
| {#if fw === 'pt'} | |
| * Come preparare un grande dataset dall'Hub | |
| * Come usare l'API di alto livello `Trainer` per affinare un modello | |
| * Come usare un ciclo di addestramento personalizzato | |
| * Come utilizzare la libreria 🤗 Accelerate per eseguire facilmente quel ciclo di addestramento personalizzato su qualsiasi sistema distribuito | |
| {:else} | |
| * Come preparare un grande dataset dall'Hub | |
| * Come usare Keras per affinare un modello | |
| * Come usare Keras per ottenere delle predizioni | |
| * Come usare una metrica personalizzata | |
| {/if} | |
| Per caricare i checkpoint di addestramento sull'Hub di Hugging Face è necessario un account huggingface.co: [creare un account](https://huggingface.co/join) | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/it/chapter3/1.mdx" /> |
Xet Storage Details
- Size:
- 1.07 kB
- Xet hash:
- 2af03e5d5b7f642010abc9784dca2ab9cf1d81883812ba908e236db9904244aa
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.