Buckets:
| # Fine-tuning, итоги! | |
| <CourseFloatingBanner | |
| chapter={3} | |
| classNames="absolute z-10 right-0 top-0" | |
| /> | |
| Это было весело! В первых двух главах вы узнали о моделях и токенизаторах, и теперь вы знаете как применить fine-tuning на собственных данных. | |
| Напомним, в этой главе вы: | |
| {#if fw === 'pt'} | |
| * Узнали о датасетах из [Hub](https://huggingface.co/datasets) | |
| * Узнали как загрузить и предобработать данные (включая динамический padding и collator) | |
| * Реализовали свой fine-tuning и валидировали модель | |
| * Реализовали низко-уровневый обучающий цикл | |
| * Использовали 🤗 Accelerate для легкой адаптации обучающего цикла к нескольким GPU или TPU | |
| {:else} | |
| * Узнали о датасетах из [Hub](https://huggingface.co/datasets) | |
| * Узнали как загрузить и предобработать данные | |
| * Узнали как реализовать fine-tuning и валидировать модель с исползованием keras | |
| * Реализовали собственную метрику | |
| {/if} | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/ru/chapter3/5.mdx" /> |
Xet Storage Details
- Size:
- 1.47 kB
- Xet hash:
- 09f9b2ebcdfc9ac4f5f179f5626d4dc117e9fa75ff8b62db1dcd909eb2da25d6
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.