Buckets:

rtrm's picture
download
raw
4.16 kB
import{s as q,o as G}from"../chunks/scheduler.7fa8c90f.js";import{S as O,i as R,e as _,s as m,c as M,h as J,a as w,d as r,b as f,f as N,g as T,j as U,k as V,l as Q,m as a,n as H,t as k,o as L,p as x}from"../chunks/index.ae290a83.js";import{C as X,H as Y,E as Z}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.8deaea4d.js";import{C as ee}from"../chunks/CourseFloatingBanner.a9f2df73.js";import{F as te}from"../chunks/FrameworkSwitchCourse.6acaeea1.js";function ne(p){let n,l="<li>Wie bereitet man einen großen Datensatz aus dem Hub vor?</li> <li>Wie nutzt man Keras um Modelle zu fein-tunen?</li> <li>Wie setzt man Keras für Vorhersagen ein?</li> <li>Wie implementiert benutzerdefinierte Metriken?</li>";return{c(){n=_("ul"),n.innerHTML=l},l(i){n=w(i,"UL",{"data-svelte-h":!0}),U(n)!=="svelte-xn5hpv"&&(n.innerHTML=l)},m(i,s){a(i,n,s)},d(i){i&&r(n)}}}function ie(p){let n,l="<li>Wie bereitet man einen großen Datensatz aus dem Hub vor?</li> <li>Wie nutzt man die höhere <code>Trainer</code> API um Modelle zu fein-tunen?</li> <li>Wie implementiert man eine benutzerdefinierte Trainingsschleife</li> <li>Wie nutzen wir die 🤗 Accelerate Bibliothek für benutzerdefinierte Trainingschleifen auf verteilten Systemen</li>";return{c(){n=_("ul"),n.innerHTML=l},l(i){n=w(i,"UL",{"data-svelte-h":!0}),U(n)!=="svelte-16nz105"&&(n.innerHTML=l)},m(i,s){a(i,n,s)},d(i){i&&r(n)}}}function re(p){let n,l,i,s,u,y,c,C,$,E,h,W,d,j='In <a href="/course/chapter2">Kapitel 2</a> haben wir behandelt, wie man Tokenizer und vortrainierte Modelle verwendet, um Vorhersagen zu treffen. Was passiert aber, wenn wir ein vortrainiertes Modell für unseren eigenen Datensatz optimieren möchten? Das ist das Thema dieses Kapitels! Folgendes wirst du lernen:',P,v,g,A='Um deine trainierten Checkpoints auf den Hugging Face Hub hochzuladen, benötigst du ein huggingface.co-Konto: <a href="https://huggingface.co/join" rel="nofollow">Erstelle ein Konto</a>',K,b,S,z,F;u=new te({props:{fw:p[0]}}),c=new X({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),$=new Y({props:{title:"Einführung",local:"einführung",headingTag:"h1"}}),h=new ee({props:{chapter:3,classNames:"absolute z-10 right-0 top-0"}});function B(e,t){return e[0]==="pt"?ie:ne}let D=B(p),o=D(p);return b=new Z({props:{source:"https://github.com/huggingface/course/blob/main/chapters/de/chapter3/1.mdx"}}),{c(){n=_("meta"),l=m(),i=_("p"),s=m(),M(u.$$.fragment),y=m(),M(c.$$.fragment),C=m(),M($.$$.fragment),E=m(),M(h.$$.fragment),W=m(),d=_("p"),d.innerHTML=j,P=m(),o.c(),v=m(),g=_("p"),g.innerHTML=A,K=m(),M(b.$$.fragment),S=m(),z=_("p"),this.h()},l(e){const t=J("svelte-u9bgzb",document.head);n=w(t,"META",{name:!0,content:!0}),t.forEach(r),l=f(e),i=w(e,"P",{}),N(i).forEach(r),s=f(e),T(u.$$.fragment,e),y=f(e),T(c.$$.fragment,e),C=f(e),T($.$$.fragment,e),E=f(e),T(h.$$.fragment,e),W=f(e),d=w(e,"P",{"data-svelte-h":!0}),U(d)!=="svelte-5uojix"&&(d.innerHTML=j),P=f(e),o.l(e),v=f(e),g=w(e,"P",{"data-svelte-h":!0}),U(g)!=="svelte-1run6sf"&&(g.innerHTML=A),K=f(e),T(b.$$.fragment,e),S=f(e),z=w(e,"P",{}),N(z).forEach(r),this.h()},h(){V(n,"name","hf:doc:metadata"),V(n,"content",ae)},m(e,t){Q(document.head,n),a(e,l,t),a(e,i,t),a(e,s,t),H(u,e,t),a(e,y,t),H(c,e,t),a(e,C,t),H($,e,t),a(e,E,t),H(h,e,t),a(e,W,t),a(e,d,t),a(e,P,t),o.m(e,t),a(e,v,t),a(e,g,t),a(e,K,t),H(b,e,t),a(e,S,t),a(e,z,t),F=!0},p(e,[t]){const I={};t&1&&(I.fw=e[0]),u.$set(I),D!==(D=B(e))&&(o.d(1),o=D(e),o&&(o.c(),o.m(v.parentNode,v)))},i(e){F||(k(u.$$.fragment,e),k(c.$$.fragment,e),k($.$$.fragment,e),k(h.$$.fragment,e),k(b.$$.fragment,e),F=!0)},o(e){L(u.$$.fragment,e),L(c.$$.fragment,e),L($.$$.fragment,e),L(h.$$.fragment,e),L(b.$$.fragment,e),F=!1},d(e){e&&(r(l),r(i),r(s),r(y),r(C),r(E),r(W),r(d),r(P),r(v),r(g),r(K),r(S),r(z)),r(n),x(u,e),x(c,e),x($,e),x(h,e),o.d(e),x(b,e)}}}const ae='{"title":"Einführung","local":"einführung","sections":[],"depth":1}';function le(p,n,l){let i="pt";return G(()=>{const s=new URLSearchParams(window.location.search);l(0,i=s.get("fw")||"pt")}),[i]}class pe extends O{constructor(n){super(),R(this,n,le,re,q,{})}}export{pe as component};

Xet Storage Details

Size:
4.16 kB
·
Xet hash:
3901834e1efb6b8223c1ed30f549361647378c04581e05a3dd742c50df1fec03

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.