Buckets:
| # Introducere[[introducere]] | |
| <CourseFloatingBanner | |
| chapter={3} | |
| classNames="absolute z-10 right-0 top-0" | |
| /> | |
| În [Capitolul 2](/course/chapter2) am explorat modul de utilizare a tokenizerelor și a modelelor preantrenate pentru a efectua predicții. Dar ce se întâmplă dacă doriți să ajustați un model preantrenat pentru propriul dvs. set de date? Iată subiectul acestui capitol! Veți învăța: | |
| {#if fw === 'pt'} | |
| * Cum să configurați un set mare de date din Hub | |
| * Cum să utilizați API-ul `Trainer` pentru a ajusta un model | |
| * Cum să utilizați o buclă de instruire personalizată | |
| * Cum să profitați de biblioteca Accelerate 🤗 pentru a rula cu ușurință bucla de instruire personalizată pe orice configurație distribuită | |
| {:else} | |
| * Cum să configurați un set mare de date din Hub | |
| * Cum să utilizați Keras pentru a ajusta un model | |
| * Cum să utilizați Keras pentru a obține predicții | |
| * Cum să utilizați o măsură personalizată | |
| {/if} | |
| Pentru a încărca checkpoint-urile antrenate în Hugging Face Hub, veți avea nevoie de un cont huggingface.co: [creați un cont](https://huggingface.co/join) | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/ro/chapter3/1.mdx" /> |
Xet Storage Details
- Size:
- 1.24 kB
- Xet hash:
- 822f0817792085900d572df5a90ac0fa52805c1f8f508f9027ca9d61c8637a92
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.