Buckets:
| # Affinamento, Fatto! | |
| Che divertimento. Nei primi due capitoli abbiamo scoperto i modelli e i tokenizzatori, e adesso sapete come affinarli per i vostri dati. Per riassumere, in questo capitolo avete: | |
| {#if fw === 'pt'} | |
| * Scoperto i datasets nel [Hub](https://huggingface.co/datasets) | |
| * Imparato come caricare e preprocessare i datasets, usando anche padding dinamico e funzioni di raccolta | |
| * Implementato il vostro affinamento e valutazione di un modello | |
| * Implementato un ciclo di addestramento di basso livello | |
| * Usato 🤗 Accelerate per adattare in maniera semplice il vostro ciclo di addestramento all'utilizzo di svariate GPU o TPU | |
| {:else} | |
| * Scoperto i datasets nel [Hub](https://huggingface.co/datasets) | |
| * Imparato come caricare e preprocessare i datasets | |
| * Imparato come affinare e valutare un modello con Keras | |
| * Implementato una metric personalizzata | |
| {/if} | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/it/chapter3/5.mdx" /> |
Xet Storage Details
- Size:
- 974 Bytes
- Xet hash:
- 434221e0726f53f83a319e3dc1a40a8a48224ceb0049198ef2b67e49ecc1869e
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.