Buckets:
| # Uso básico concluído! | |
| <CourseFloatingBanner | |
| chapter={2} | |
| classNames="absolute z-10 right-0 top-0" | |
| /> | |
| Ótimo trabalho seguindo o curso até aqui! Recapitulando, neste capítulo, você: | |
| - Aprendeu os elementos básicos de um modelo Transformer. | |
| - Aprendeu que compõe o pipeline de tokenização. | |
| - Vou como utilizar um transformer na prática. | |
| - Aprendeu como aproveitar um tokenizer para converter texto em tensores que são compreensíveis pelo modelo. | |
| - Montar um tokenizer e um modelo juntos para ir do texto às previsões. | |
| - Aprendeu as limitações dos IDs de entrada e aprendeu sobre máscaras de atenção. | |
| - Testou os métodos de tokenizer versáteis e configuráveis. | |
| De agora em diante, você deve ser capaz de navegar livremente pelos documentos dos 🤗 transformers: o vocabulário soará familiar, e você já viu os métodos que utilizará na maior parte do tempo. | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/pt/chapter2/7.mdx" /> |
Xet Storage Details
- Size:
- 998 Bytes
- Xet hash:
- c40102dd4b5a6276d5a4c8dbe4ebf7525f18d7b58ee9c1bd4398c52f635369b6
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.