course/pr_1167/pt/_app/immutable/nodes/12.25ca4c8d.js

import{s as j,n as U,o as F}from"../chunks/scheduler.505acc25.js";import{S as I,i as O,e as c,s,c as M,h as Q,a as $,d as a,b as r,f as D,g as y,j as z,k as N,l as V,m as o,n as A,t as w,o as B,p as H}from"../chunks/index.1238bded.js";import{C as X,H as J,E as K}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.f9287a27.js";import{C as W}from"../chunks/CourseFloatingBanner.2e302d0f.js";function Y(q){let n,T,h,g,i,v,m,_,d,x,l,S="Nesse capítulo, você viu como abordar diferentes tarefas de NLP usando a função de alto nível <code>pipeline()</code> da biblioteca 🤗 Transformers. Você também viu como pesquisar e usar modelos no Hub, bem como usar a API de inferência para testar os modelos diretamente em seu navegador.",E,p,G="Discutimos como os modelos Transformers funcionam em alto nível e falamos sobre a importância do aprendizado de transferência (transfer learning) e do ajuste fino. Um aspecto chave é que você pode usar a arquitetura completa ou apenas o codificador ou decodificador, dependendo do tipo de tarefa que você pretende resolver. A tabela a seguir resume isso:",C,u,k="<thead><tr><th>Modelo</th> <th>Exemplos</th> <th>Tarefas</th></tr></thead> <tbody><tr><td>Encoder</td> <td>ALBERT, BERT, DistilBERT, ELECTRA, RoBERTa</td> <td>Classificação de sentenças, reconhecimento de entidades nomeadas, Q&amp;A</td></tr> <tr><td>Decoder</td> <td>CTRL, GPT, GPT-2, Transformer XL</td> <td>Geração de texto</td></tr> <tr><td>Encoder-decoder</td> <td>BART, T5, Marian, mBART</td> <td>Sumarização, tradução, perguntas e respostas gerativas</td></tr></tbody>",L,f,P,b,R;return i=new X({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),m=new J({props:{title:"Resumo",local:"resumo",headingTag:"h1"}}),d=new W({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),f=new K({props:{source:"https://github.com/huggingface/course/blob/main/chapters/pt/chapter1/9.mdx"}}),{c(){n=c("meta"),T=s(),h=c("p"),g=s(),M(i.$$.fragment),v=s(),M(m.$$.fragment),_=s(),M(d.$$.fragment),x=s(),l=c("p"),l.innerHTML=S,E=s(),p=c("p"),p.textContent=G,C=s(),u=c("table"),u.innerHTML=k,L=s(),M(f.$$.fragment),P=s(),b=c("p"),this.h()},l(e){const t=Q("svelte-u9bgzb",document.head);n=$(t,"META",{name:!0,content:!0}),t.forEach(a),T=r(e),h=$(e,"P",{}),D(h).forEach(a),g=r(e),y(i.$$.fragment,e),v=r(e),y(m.$$.fragment,e),_=r(e),y(d.$$.fragment,e),x=r(e),l=$(e,"P",{"data-svelte-h":!0}),z(l)!=="svelte-1k765o8"&&(l.innerHTML=S),E=r(e),p=$(e,"P",{"data-svelte-h":!0}),z(p)!=="svelte-1xzlrio"&&(p.textContent=G),C=r(e),u=$(e,"TABLE",{"data-svelte-h":!0}),z(u)!=="svelte-bcg7kx"&&(u.innerHTML=k),L=r(e),y(f.$$.fragment,e),P=r(e),b=$(e,"P",{}),D(b).forEach(a),this.h()},h(){N(n,"name","hf:doc:metadata"),N(n,"content",Z)},m(e,t){V(document.head,n),o(e,T,t),o(e,h,t),o(e,g,t),A(i,e,t),o(e,v,t),A(m,e,t),o(e,_,t),A(d,e,t),o(e,x,t),o(e,l,t),o(e,E,t),o(e,p,t),o(e,C,t),o(e,u,t),o(e,L,t),A(f,e,t),o(e,P,t),o(e,b,t),R=!0},p:U,i(e){R||(w(i.$$.fragment,e),w(m.$$.fragment,e),w(d.$$.fragment,e),w(f.$$.fragment,e),R=!0)},o(e){B(i.$$.fragment,e),B(m.$$.fragment,e),B(d.$$.fragment,e),B(f.$$.fragment,e),R=!1},d(e){e&&(a(T),a(h),a(g),a(v),a(_),a(x),a(l),a(E),a(p),a(C),a(u),a(L),a(P),a(b)),a(n),H(i,e),H(m,e),H(d,e),H(f,e)}}}const Z='{"title":"Resumo","local":"resumo","sections":[],"depth":1}';function ee(q){return F(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class se extends I{constructor(n){super(),O(this,n,ee,Y,j,{})}}export{se as component};