Buckets:
| # Introdução | |
| <CourseFloatingBanner | |
| chapter={3} | |
| classNames="absolute z-10 right-0 top-0" | |
| /> | |
| No [Capítulo 2](/course/chapter2) exploramos como utilizar tokenizadores e modelos pré treinados para fazer previsões. Mas e se você quiser ajustar um modelo pré-treinado para seu próprio dataset? Esse é o tema deste capítulo! Você vai aprender: | |
| {#if fw === 'pt'} | |
| * Como preparar um datset grande do Hub | |
| * Como usar a API de alto nível `Trainer` para ajustar um modelo | |
| * Como usar um loop de treinamento personalizado | |
| * Como usar a biblioteca 🤗 Accelerate para executar facilmente esse loop de treinamento personalizado em qualquer configuração distribuída | |
| {#else} | |
| {:else} | |
| * Como preparar um dataset grande do Hub | |
| * Como usar Keras para ajustar um modelo | |
| * Como usar Keras para fazer previsões | |
| * Como usar uma métrica personalizada | |
| {/if} | |
| Para fazer upload de seus checkpoints treinados para o Hugging Face Hub, você precisará de uma conta huggingface.co: [crie uma conta](https://huggingface.co/join) | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/pt/chapter3/1.mdx" /> |
Xet Storage Details
- Size:
- 1.13 kB
- Xet hash:
- bba26aff4264955c960dffe3d6a4697092f675dd2e8191c654fc64e66d6794e3
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.