Buckets:

rtrm's picture
download
raw
4.31 kB
import{s as J,n as K,o as N}from"../chunks/scheduler.893fe8c9.js";import{S as Q,i as V,e as m,s as l,c as S,h as W,a as p,d as n,b as i,f as B,g as j,j as x,k as I,l as X,m as a,n as A,t as D,o as q,p as z}from"../chunks/index.2d09ebb4.js";import{C as Y,H as Z,E as tt}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.0e6c7a7d.js";function et(O){let s,g,d,H,r,b,o,L,f,U='В <a href="../chapter3/1">главе 3</a> вы поверхностно ознакомились с библиотекой 🤗 Datasets и увидели три главных шага для использования ее в процессе fine-tuning:',M,u,k="<li>Загрузить датасет из Hugging Face Hub.</li> <li>Произвести препроцессинг с помощью <code>Dataset.map()</code>.</li> <li>Загрузить и вычислить метрики.</li>",T,c,F="Но это лишь малая часть того, на что способна 🤗 Datasets! В этой главе мы углубимся в библиотеку и попутно мы найдем ответы на следующие вопросы:",C,$,G="<li>Что делать, когда нужного набора данных нет в Hub?</li> <li>Как вы можете разделиить датасет? (Что если вам <em>действительно</em> нужно использовать Pandas?)</li> <li>Что делать, когда ваш набор данных огромен и «расплавит» оперативную память вашего ноутбука?</li> <li>Что, черт возьми, такое «отображение памяти» (memory mapping) и Apache Arrow?</li> <li>Как вы можете создать свой собственный датасет и отправить его в Hub?</li>",P,h,R='Принципы, которые вы изучите в этой главе, подготовят вас к более глубокому использованию токенизации и fine-tuning’а моделей в <a href="../chapter6">главе 6</a> и <a href="../chapter7">главе 7</a> – заваривайте кофе и мы начинаем!',w,_,y,v,E;return r=new Y({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),o=new Z({props:{title:"Введение",local:"введение",headingTag:"h1"}}),_=new tt({props:{source:"https://github.com/huggingface/course/blob/main/chapters/ru/chapter5/1.mdx"}}),{c(){s=m("meta"),g=l(),d=m("p"),H=l(),S(r.$$.fragment),b=l(),S(o.$$.fragment),L=l(),f=m("p"),f.innerHTML=U,M=l(),u=m("ol"),u.innerHTML=k,T=l(),c=m("p"),c.textContent=F,C=l(),$=m("ul"),$.innerHTML=G,P=l(),h=m("p"),h.innerHTML=R,w=l(),S(_.$$.fragment),y=l(),v=m("p"),this.h()},l(t){const e=W("svelte-u9bgzb",document.head);s=p(e,"META",{name:!0,content:!0}),e.forEach(n),g=i(t),d=p(t,"P",{}),B(d).forEach(n),H=i(t),j(r.$$.fragment,t),b=i(t),j(o.$$.fragment,t),L=i(t),f=p(t,"P",{"data-svelte-h":!0}),x(f)!=="svelte-ypcwbb"&&(f.innerHTML=U),M=i(t),u=p(t,"OL",{"data-svelte-h":!0}),x(u)!=="svelte-1ordrnj"&&(u.innerHTML=k),T=i(t),c=p(t,"P",{"data-svelte-h":!0}),x(c)!=="svelte-1olp92q"&&(c.textContent=F),C=i(t),$=p(t,"UL",{"data-svelte-h":!0}),x($)!=="svelte-1vn00s9"&&($.innerHTML=G),P=i(t),h=p(t,"P",{"data-svelte-h":!0}),x(h)!=="svelte-gpjvn3"&&(h.innerHTML=R),w=i(t),j(_.$$.fragment,t),y=i(t),v=p(t,"P",{}),B(v).forEach(n),this.h()},h(){I(s,"name","hf:doc:metadata"),I(s,"content",nt)},m(t,e){X(document.head,s),a(t,g,e),a(t,d,e),a(t,H,e),A(r,t,e),a(t,b,e),A(o,t,e),a(t,L,e),a(t,f,e),a(t,M,e),a(t,u,e),a(t,T,e),a(t,c,e),a(t,C,e),a(t,$,e),a(t,P,e),a(t,h,e),a(t,w,e),A(_,t,e),a(t,y,e),a(t,v,e),E=!0},p:K,i(t){E||(D(r.$$.fragment,t),D(o.$$.fragment,t),D(_.$$.fragment,t),E=!0)},o(t){q(r.$$.fragment,t),q(o.$$.fragment,t),q(_.$$.fragment,t),E=!1},d(t){t&&(n(g),n(d),n(H),n(b),n(L),n(f),n(M),n(u),n(T),n(c),n(C),n($),n(P),n(h),n(w),n(y),n(v)),n(s),z(r,t),z(o,t),z(_,t)}}}const nt='{"title":"Введение","local":"введение","sections":[],"depth":1}';function at(O){return N(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class mt extends Q{constructor(s){super(),V(this,s,at,et,J,{})}}export{mt as component};

Xet Storage Details

Size:
4.31 kB
·
Xet hash:
f7aec2bea27cabce8e4ee18540f701d1da1cc8b5c2d5a887dd5c71f14ce45f65

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