course/pr_1149/ko/_app/immutable/nodes/10.f950384f.js

import{s as Q,n as V,o as W}from"../chunks/scheduler.505acc25.js";import{S as X,i as Z,e as r,s as a,c as b,h as tt,a as i,d as n,b as s,f as I,g as v,j as C,k as J,l as et,m as l,n as T,t as M,o as y,p as L}from"../chunks/index.821724d0.js";import{C as nt,H as lt,E as at}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.e42aecb1.js";import{Y as st}from"../chunks/Youtube.c5effbdd.js";import{C as mt}from"../chunks/CourseFloatingBanner.5b49904d.js";function rt(F){let m,P,x,E,o,H,f,q,p,S,u,z,$,G="인코더-디코더 모델(Encoder-decoder models) (<em>시퀀스-투-시퀀스 모델(sequence-to-sequence models)</em>로 부르기도 합니다)은 트랜스포머 구조의 인코더, 디코더 둘을 모두 사용합니다. 각 단계마다, 인코더의 어텐션 레이어는 초기 문장의 모든 단어에 액세스 할 수 있는 반면, 디코더의 어텐션 레이어는 주어진 단어 앞에 위치한 단어들에만 액세스 할 수 있습니다.",A,c,K='이러한 모델의 사전 학습은 인코더 혹은 디코더 모델의 방식을 모두 사용할 수 있지만 조금 더 복잡합니다. 이를테면, <a href="https://huggingface.co/t5-base" rel="nofollow">T5</a>는 (여러 단어를 포함하기도 하는) 임의의 텍스트 범위를 하나의 특수 마스크 토큰으로 바꾸고 마스크 단어를 대체할 텍스트를 예측하는 방식으로 사전 학습 되었습니다.',B,h,N="시퀀스-투-시퀀스 모델은 요약, 번역, 생성 질의 응답과 같이 주어진 입력을 기반으로 새로운 문장을 생성하는 작업에 가장 적합합니다.",R,g,O="이 계열을 대표하는 모델은 다음과 같습니다:",j,_,D='<li><a href="https://huggingface.co/transformers/model_doc/bart.html" rel="nofollow">BART</a></li> <li><a href="https://huggingface.co/transformers/model_doc/mbart.html" rel="nofollow">mBART</a></li> <li><a href="https://huggingface.co/transformers/model_doc/marian.html" rel="nofollow">Marian</a></li> <li><a href="https://huggingface.co/transformers/model_doc/t5.html" rel="nofollow">T5</a></li>',k,d,U,w,Y;return o=new nt({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),f=new lt({props:{title:"시퀀스-투-시퀀스 모델",local:"시퀀스-투-시퀀스-모델",headingTag:"h1"}}),p=new mt({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),u=new st({props:{id:"0_4KEb08xrE"}}),d=new at({props:{source:"https://github.com/huggingface/course/blob/main/chapters/ko/chapter1/7.mdx"}}),{c(){m=r("meta"),P=a(),x=r("p"),E=a(),b(o.$$.fragment),H=a(),b(f.$$.fragment),q=a(),b(p.$$.fragment),S=a(),b(u.$$.fragment),z=a(),$=r("p"),$.innerHTML=G,A=a(),c=r("p"),c.innerHTML=K,B=a(),h=r("p"),h.textContent=N,R=a(),g=r("p"),g.textContent=O,j=a(),_=r("ul"),_.innerHTML=D,k=a(),b(d.$$.fragment),U=a(),w=r("p"),this.h()},l(t){const e=tt("svelte-u9bgzb",document.head);m=i(e,"META",{name:!0,content:!0}),e.forEach(n),P=s(t),x=i(t,"P",{}),I(x).forEach(n),E=s(t),v(o.$$.fragment,t),H=s(t),v(f.$$.fragment,t),q=s(t),v(p.$$.fragment,t),S=s(t),v(u.$$.fragment,t),z=s(t),$=i(t,"P",{"data-svelte-h":!0}),C($)!=="svelte-qoph4d"&&($.innerHTML=G),A=s(t),c=i(t,"P",{"data-svelte-h":!0}),C(c)!=="svelte-inwuv6"&&(c.innerHTML=K),B=s(t),h=i(t,"P",{"data-svelte-h":!0}),C(h)!=="svelte-1iea9yw"&&(h.textContent=N),R=s(t),g=i(t,"P",{"data-svelte-h":!0}),C(g)!=="svelte-jnrxvw"&&(g.textContent=O),j=s(t),_=i(t,"UL",{"data-svelte-h":!0}),C(_)!=="svelte-1lyffe"&&(_.innerHTML=D),k=s(t),v(d.$$.fragment,t),U=s(t),w=i(t,"P",{}),I(w).forEach(n),this.h()},h(){J(m,"name","hf:doc:metadata"),J(m,"content",it)},m(t,e){et(document.head,m),l(t,P,e),l(t,x,e),l(t,E,e),T(o,t,e),l(t,H,e),T(f,t,e),l(t,q,e),T(p,t,e),l(t,S,e),T(u,t,e),l(t,z,e),l(t,$,e),l(t,A,e),l(t,c,e),l(t,B,e),l(t,h,e),l(t,R,e),l(t,g,e),l(t,j,e),l(t,_,e),l(t,k,e),T(d,t,e),l(t,U,e),l(t,w,e),Y=!0},p:V,i(t){Y||(M(o.$$.fragment,t),M(f.$$.fragment,t),M(p.$$.fragment,t),M(u.$$.fragment,t),M(d.$$.fragment,t),Y=!0)},o(t){y(o.$$.fragment,t),y(f.$$.fragment,t),y(p.$$.fragment,t),y(u.$$.fragment,t),y(d.$$.fragment,t),Y=!1},d(t){t&&(n(P),n(x),n(E),n(H),n(q),n(S),n(z),n($),n(A),n(c),n(B),n(h),n(R),n(g),n(j),n(_),n(k),n(U),n(w)),n(m),L(o,t),L(f,t),L(p,t),L(u,t),L(d,t)}}}const it='{"title":"시퀀스-투-시퀀스 모델","local":"시퀀스-투-시퀀스-모델","sections":[],"depth":1}';function ot(F){return W(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ht extends X{constructor(m){super(),Z(this,m,ot,rt,Q,{})}}export{ht as component};