Buckets:
| # Введение | |
| <CourseFloatingBanner | |
| chapter={3} | |
| classNames="absolute z-10 right-0 top-0" | |
| /> | |
| В [главе 2](../chapter2/1) мы увидели, как можно использовать токенизаторы и предобученные модели для построения предсказаний. Но что если мы хотим дообучить предобученную модель на собственном датасете? Это и есть тема данной главы! Мы изучим: | |
| {#if fw === 'pt'} | |
| * Как подготовить большой датасет из Model Hub | |
| * Как использовать высокоуровненое API для дообучения модели | |
| * Как использовать собственный цикл обучения (training loop) | |
| * Как использовать библиотеку 🤗 Accelerate для запуска собственного цикла обучения на распределенной вычислительной структуре | |
| {:else} | |
| * Как подготовить большой датасет из Model Hub | |
| * Как использовать Keras для дообучения модели | |
| * Как использовать Keras для получения предсказаний | |
| * Как использовать собственную метрику | |
| {/if} | |
| Чтобы загрузить свои чекпоинты на Hugging Face Hub, необходимо иметь учетную запись: [создать аккаунт](https://huggingface.co/join) | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/ru/chapter3/1.mdx" /> |
Xet Storage Details
- Size:
- 1.72 kB
- Xet hash:
- 79cadef2b40800dac1bec9e358cf7ee7543c87d95eeeb51f109c8081ec0f1674
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.