course/pr_1149/fr/_app/immutable/nodes/12.e596fed2.js

import{s as j,n as k,o as F}from"../chunks/scheduler.893fe8c9.js";import{S as I,i as O,e as f,s,c as y,h as V,a as h,d as n,b as i,f as D,g as C,j as B,k as U,l as X,m as a,n as H,t as w,o as z,p as A}from"../chunks/index.2d09ebb4.js";import{C as J,H as K,E as Q}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.f0c9d2b1.js";import{C as W}from"../chunks/CourseFloatingBanner.2900b001.js";function Y(q){let r,v,$,g,o,b,m,_,l,E,u,G="Au cours de ce chapitre, vous avez vu comment approcher différents problèmes de NLP en utilisant la fonction <code>pipeline()</code> de la bibliothèque 🤗 <em>Transformers</em>. Vous avez également vu comment rechercher et utiliser des modèles dans le <em>Hub</em> ainsi que comment utiliser l’API d’inférence pour tester les modèles directement dans votre navigateur.",L,d,S="Nous avons pu aborder le fonctionnement des <em>transformers</em> de façon générale et parler de l’importance de l’apprentissage par transfert et du <em>finetuning</em>. Un point important est que vous pouvez utiliser l’architecture complète ou seulement l’encodeur ou le décodeur, selon le type de tâche que vous souhaitez résoudre. Le tableau suivant résume ceci :",x,p,N="<thead><tr><th>Modèle</th> <th>Exemples</th> <th>Tâches</th></tr></thead> <tbody><tr><td>Encodeur</td> <td>ALBERT, BERT, DistilBERT, ELECTRA, RoBERTa</td> <td>Classification de phrase, reconnaissance d’entités nommées, extraction de question-réponse</td></tr> <tr><td>Décodeur</td> <td>CTRL, GPT, GPT-2, Transformer XL</td> <td>Génération de texte</td></tr> <tr><td>Encodeur-décodeur</td> <td>BART, T5, Marian, mBART</td> <td>Résumé, traduction, génération de question-réponse</td></tr></tbody>",R,c,M,T,P;return o=new J({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),m=new K({props:{title:"Résumé du chapitre",local:"résumé-du-chapitre",headingTag:"h1"}}),l=new W({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),c=new Q({props:{source:"https://github.com/huggingface/course/blob/main/chapters/fr/chapter1/9.mdx"}}),{c(){r=f("meta"),v=s(),$=f("p"),g=s(),y(o.$$.fragment),b=s(),y(m.$$.fragment),_=s(),y(l.$$.fragment),E=s(),u=f("p"),u.innerHTML=G,L=s(),d=f("p"),d.innerHTML=S,x=s(),p=f("table"),p.innerHTML=N,R=s(),y(c.$$.fragment),M=s(),T=f("p"),this.h()},l(e){const t=V("svelte-u9bgzb",document.head);r=h(t,"META",{name:!0,content:!0}),t.forEach(n),v=i(e),$=h(e,"P",{}),D($).forEach(n),g=i(e),C(o.$$.fragment,e),b=i(e),C(m.$$.fragment,e),_=i(e),C(l.$$.fragment,e),E=i(e),u=h(e,"P",{"data-svelte-h":!0}),B(u)!=="svelte-6ntzae"&&(u.innerHTML=G),L=i(e),d=h(e,"P",{"data-svelte-h":!0}),B(d)!=="svelte-d4lhf0"&&(d.innerHTML=S),x=i(e),p=h(e,"TABLE",{"data-svelte-h":!0}),B(p)!=="svelte-17lyt82"&&(p.innerHTML=N),R=i(e),C(c.$$.fragment,e),M=i(e),T=h(e,"P",{}),D(T).forEach(n),this.h()},h(){U(r,"name","hf:doc:metadata"),U(r,"content",Z)},m(e,t){X(document.head,r),a(e,v,t),a(e,$,t),a(e,g,t),H(o,e,t),a(e,b,t),H(m,e,t),a(e,_,t),H(l,e,t),a(e,E,t),a(e,u,t),a(e,L,t),a(e,d,t),a(e,x,t),a(e,p,t),a(e,R,t),H(c,e,t),a(e,M,t),a(e,T,t),P=!0},p:k,i(e){P||(w(o.$$.fragment,e),w(m.$$.fragment,e),w(l.$$.fragment,e),w(c.$$.fragment,e),P=!0)},o(e){z(o.$$.fragment,e),z(m.$$.fragment,e),z(l.$$.fragment,e),z(c.$$.fragment,e),P=!1},d(e){e&&(n(v),n($),n(g),n(b),n(_),n(E),n(u),n(L),n(d),n(x),n(p),n(R),n(M),n(T)),n(r),A(o,e),A(m,e),A(l,e),A(c,e)}}}const Z='{"title":"Résumé du chapitre","local":"résumé-du-chapitre","sections":[],"depth":1}';function ee(q){return F(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class se extends I{constructor(r){super(),O(this,r,ee,Y,j,{})}}export{se as component};