course/pr_1127/fr/_app/immutable/nodes/9.112cb2e9.js

import{s as J,n as K,o as V}from"../chunks/scheduler.893fe8c9.js";import{S as W,i as Z,e as o,s as l,c as C,h as ee,a as m,d as s,b as a,f as D,g as v,j as L,k as I,l as te,m as n,n as w,t as P,o as T,p as y}from"../chunks/index.2d09ebb4.js";import{C as se,H as ne,E as le}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.48779b37.js";import{Y as ae}from"../chunks/Youtube.b7012d06.js";import{C as re}from"../chunks/CourseFloatingBanner.2900b001.js";function oe(B){let r,M,_,q,i,E,u,H,p,z,f,S,d,F="Les modèles basés sur le décodeur utilisent seulement le décodeur d’un <em>transformer</em>. À chaque étape, pour un mot donné, les couches d’attention ne peuvent strictement accéder qu’aux mots situés avant dans la phrase. Ces modèles sont souvent appelés <em>modèles autorégressifs</em>.",G,c,N="Le pré-entraînement des modèles basés sur le décodeur se concentre généralement sur la prédiction du prochain mot dans la phrase.",j,$,O="Ces modèles sont vraiment adaptés aux tâches qui impliquent la génération de texte.",k,h,Q="Les modèles qui représentent le mieux la famille des modèles décodeurs sont :",R,g,X='<li><a href="https://huggingface.co/transformers/model_doc/ctrl.html" rel="nofollow">CTRL</a></li> <li><a href="https://huggingface.co/docs/transformers/model_doc/openai-gpt" rel="nofollow">GPT</a></li> <li><a href="https://huggingface.co/transformers/model_doc/gpt2.html" rel="nofollow">GPT-2</a></li> <li><a href="https://huggingface.co/transformers/model_doc/transformerxl.html" rel="nofollow">Transformer XL</a></li>',U,x,Y,b,A;return i=new se({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),u=new ne({props:{title:"Les modèles basés sur le décodeur",local:"les-modèles-basés-sur-le-décodeur",headingTag:"h1"}}),p=new re({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),f=new ae({props:{id:"d_ixlCubqQw"}}),x=new le({props:{source:"https://github.com/huggingface/course/blob/main/chapters/fr/chapter1/6.mdx"}}),{c(){r=o("meta"),M=l(),_=o("p"),q=l(),C(i.$$.fragment),E=l(),C(u.$$.fragment),H=l(),C(p.$$.fragment),z=l(),C(f.$$.fragment),S=l(),d=o("p"),d.innerHTML=F,G=l(),c=o("p"),c.textContent=N,j=l(),$=o("p"),$.textContent=O,k=l(),h=o("p"),h.textContent=Q,R=l(),g=o("ul"),g.innerHTML=X,U=l(),C(x.$$.fragment),Y=l(),b=o("p"),this.h()},l(e){const t=ee("svelte-u9bgzb",document.head);r=m(t,"META",{name:!0,content:!0}),t.forEach(s),M=a(e),_=m(e,"P",{}),D(_).forEach(s),q=a(e),v(i.$$.fragment,e),E=a(e),v(u.$$.fragment,e),H=a(e),v(p.$$.fragment,e),z=a(e),v(f.$$.fragment,e),S=a(e),d=m(e,"P",{"data-svelte-h":!0}),L(d)!=="svelte-1fczbo3"&&(d.innerHTML=F),G=a(e),c=m(e,"P",{"data-svelte-h":!0}),L(c)!=="svelte-1hsgizh"&&(c.textContent=N),j=a(e),$=m(e,"P",{"data-svelte-h":!0}),L($)!=="svelte-bgk86v"&&($.textContent=O),k=a(e),h=m(e,"P",{"data-svelte-h":!0}),L(h)!=="svelte-2sb27e"&&(h.textContent=Q),R=a(e),g=m(e,"UL",{"data-svelte-h":!0}),L(g)!=="svelte-jabf5n"&&(g.innerHTML=X),U=a(e),v(x.$$.fragment,e),Y=a(e),b=m(e,"P",{}),D(b).forEach(s),this.h()},h(){I(r,"name","hf:doc:metadata"),I(r,"content",me)},m(e,t){te(document.head,r),n(e,M,t),n(e,_,t),n(e,q,t),w(i,e,t),n(e,E,t),w(u,e,t),n(e,H,t),w(p,e,t),n(e,z,t),w(f,e,t),n(e,S,t),n(e,d,t),n(e,G,t),n(e,c,t),n(e,j,t),n(e,$,t),n(e,k,t),n(e,h,t),n(e,R,t),n(e,g,t),n(e,U,t),w(x,e,t),n(e,Y,t),n(e,b,t),A=!0},p:K,i(e){A||(P(i.$$.fragment,e),P(u.$$.fragment,e),P(p.$$.fragment,e),P(f.$$.fragment,e),P(x.$$.fragment,e),A=!0)},o(e){T(i.$$.fragment,e),T(u.$$.fragment,e),T(p.$$.fragment,e),T(f.$$.fragment,e),T(x.$$.fragment,e),A=!1},d(e){e&&(s(M),s(_),s(q),s(E),s(H),s(z),s(S),s(d),s(G),s(c),s(j),s($),s(k),s(h),s(R),s(g),s(U),s(Y),s(b)),s(r),y(i,e),y(u,e),y(p,e),y(f,e),y(x,e)}}}const me='{"title":"Les modèles basés sur le décodeur","local":"les-modèles-basés-sur-le-décodeur","sections":[],"depth":1}';function ie(B){return V(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class $e extends W{constructor(r){super(),Z(this,r,ie,oe,J,{})}}export{$e as component};