Buckets:

rtrm's picture
download
raw
3.45 kB
import{s as N,n as O,o as R}from"../chunks/scheduler.893fe8c9.js";import{S as D,i as I,e as d,s,c as y,h as J,a as $,d as i,b as r,f as F,g as M,j,k as G,l as K,m as n,n as T,t as E,o as H,p as k}from"../chunks/index.2d09ebb4.js";import{C as Q,H as V,E as W}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.36e3f1d2.js";import{C as X}from"../chunks/CourseFloatingBanner.2900b001.js";function Y(S){let a,h,v,g,l,_,m,x,o,z,u,U="Bravo à vous pour avoir suivi le cours jusqu’ici ! Pour récapituler, dans ce chapitre vous avez :",C,p,B="<li>appris les blocs de construction de base d’un <em>transformer</em>,</li> <li>appris ce qui constitue un pipeline de tokenisation,</li> <li>vu comment utiliser un <em>transformer</em> en pratique,</li> <li>appris comment tirer parti d’un <em>tokenizer</em> pour convertir du texte en tenseurs compréhensibles par le modèle,</li> <li>configurer ensemble un <em>tokenizer</em> et un modèle afin de passer du texte aux prédictions,</li> <li>appris les limites des identifiants d’entrée et ce que sont que les masques d’attention,</li> <li>joué avec des méthodes de <em>tokenizer</em> polyvalentes et configurables.</li>",w,f,A="À partir de maintenant, vous devriez être en mesure de naviguer librement dans la documentation 🤗 <em>Transformers</em>. Le vocabulaire vous semblera familier et vous avez vu les méthodes que vous utiliserez la plupart du temps.",L,c,P,b,q;return l=new Q({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),m=new V({props:{title:"Utilisation de base terminée !",local:"utilisation-de-base-terminée-",headingTag:"h1"}}),o=new X({props:{chapter:2,classNames:"absolute z-10 right-0 top-0"}}),c=new W({props:{source:"https://github.com/huggingface/course/blob/main/chapters/fr/chapter2/7.mdx"}}),{c(){a=d("meta"),h=s(),v=d("p"),g=s(),y(l.$$.fragment),_=s(),y(m.$$.fragment),x=s(),y(o.$$.fragment),z=s(),u=d("p"),u.textContent=U,C=s(),p=d("ul"),p.innerHTML=B,w=s(),f=d("p"),f.innerHTML=A,L=s(),y(c.$$.fragment),P=s(),b=d("p"),this.h()},l(e){const t=J("svelte-u9bgzb",document.head);a=$(t,"META",{name:!0,content:!0}),t.forEach(i),h=r(e),v=$(e,"P",{}),F(v).forEach(i),g=r(e),M(l.$$.fragment,e),_=r(e),M(m.$$.fragment,e),x=r(e),M(o.$$.fragment,e),z=r(e),u=$(e,"P",{"data-svelte-h":!0}),j(u)!=="svelte-zuldg9"&&(u.textContent=U),C=r(e),p=$(e,"UL",{"data-svelte-h":!0}),j(p)!=="svelte-1nlpjb7"&&(p.innerHTML=B),w=r(e),f=$(e,"P",{"data-svelte-h":!0}),j(f)!=="svelte-inxawe"&&(f.innerHTML=A),L=r(e),M(c.$$.fragment,e),P=r(e),b=$(e,"P",{}),F(b).forEach(i),this.h()},h(){G(a,"name","hf:doc:metadata"),G(a,"content",Z)},m(e,t){K(document.head,a),n(e,h,t),n(e,v,t),n(e,g,t),T(l,e,t),n(e,_,t),T(m,e,t),n(e,x,t),T(o,e,t),n(e,z,t),n(e,u,t),n(e,C,t),n(e,p,t),n(e,w,t),n(e,f,t),n(e,L,t),T(c,e,t),n(e,P,t),n(e,b,t),q=!0},p:O,i(e){q||(E(l.$$.fragment,e),E(m.$$.fragment,e),E(o.$$.fragment,e),E(c.$$.fragment,e),q=!0)},o(e){H(l.$$.fragment,e),H(m.$$.fragment,e),H(o.$$.fragment,e),H(c.$$.fragment,e),q=!1},d(e){e&&(i(h),i(v),i(g),i(_),i(x),i(z),i(u),i(C),i(p),i(w),i(f),i(L),i(P),i(b)),i(a),k(l,e),k(m,e),k(o,e),k(c,e)}}}const Z='{"title":"Utilisation de base terminée !","local":"utilisation-de-base-terminée-","sections":[],"depth":1}';function ee(S){return R(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class se extends D{constructor(a){super(),I(this,a,ee,Y,N,{})}}export{se as component};

Xet Storage Details

Size:
3.45 kB
·
Xet hash:
be7ed6bd4ae5d0a77610ef56cc030ae9aa9596695b187d2e0fb65f0465fb7a11

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