course/pr_1189/ro/_app/immutable/nodes/12.d17d2dae.js

import{s as j,n as q,o as F}from"../chunks/scheduler.893fe8c9.js";import{S as I,i as O,e as f,s as i,c as R,h as Q,a as $,d as a,b as s,f as U,g as w,j as H,k as N,l as X,m as n,n as M,t as y,o as A,p as B}from"../chunks/index.6ee278c6.js";import{C as J,H as K,E as V}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.3f30825b.js";import{C as W}from"../chunks/CourseFloatingBanner.b902b8d5.js";function Y(S){let r,g,h,b,l,_,o,x,m,E,u,k="În acest capitol, ați învățat cum să abordați diferite sarcini NLP utilizând funcția <code>pipeline()</code> de nivel înalt din 🤗 Transformers. De asemenea, ați descoperit cum să căutați și să utilizați modele în Hub, precum și cum să testați acestee modelee direct în browser folosind API-ul de inferență.",v,d,G="Am discutat despre modul în care funcționează modelele Transformer dintr-o perspectivă generală și despre importanța transfer learning-ului și fine-tuning-ului. Un aspect cheie este faptul că puteți utiliza întreaga arhitectură sau doar encoder-ul sau decoder-ul, în funcție de tipul de sarcină pe care doriți să o rezolvați. Următorul tabel rezumă acest aspect:",C,p,D="<thead><tr><th>Model</th> <th>Exemple</th> <th>Task-uri</th></tr></thead> <tbody><tr><td>Encoder</td> <td>ALBERT, BERT, DistilBERT, ELECTRA, RoBERTa</td> <td>Clasificarea propozițiilor, recunoașterea entităților denumite, Extractive QA</td></tr> <tr><td>Decoder</td> <td>CTRL, GPT, GPT-2, Transformer XL</td> <td>Generarea de text</td></tr> <tr><td>Encoder-decoder</td> <td>BART, T5, Marian, mBART</td> <td>Rezumare, traducere, răspunsuri generative la întrebări</td></tr></tbody>",L,c,P,T,z;return l=new J({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),o=new K({props:{title:"Sumar",local:"sumar",headingTag:"h1"}}),m=new W({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),c=new V({props:{source:"https://github.com/huggingface/course/blob/main/chapters/ro/chapter1/9.mdx"}}),{c(){r=f("meta"),g=i(),h=f("p"),b=i(),R(l.$$.fragment),_=i(),R(o.$$.fragment),x=i(),R(m.$$.fragment),E=i(),u=f("p"),u.innerHTML=k,v=i(),d=f("p"),d.textContent=G,C=i(),p=f("table"),p.innerHTML=D,L=i(),R(c.$$.fragment),P=i(),T=f("p"),this.h()},l(e){const t=Q("svelte-u9bgzb",document.head);r=$(t,"META",{name:!0,content:!0}),t.forEach(a),g=s(e),h=$(e,"P",{}),U(h).forEach(a),b=s(e),w(l.$$.fragment,e),_=s(e),w(o.$$.fragment,e),x=s(e),w(m.$$.fragment,e),E=s(e),u=$(e,"P",{"data-svelte-h":!0}),H(u)!=="svelte-gwd3ku"&&(u.innerHTML=k),v=s(e),d=$(e,"P",{"data-svelte-h":!0}),H(d)!=="svelte-o7n9k1"&&(d.textContent=G),C=s(e),p=$(e,"TABLE",{"data-svelte-h":!0}),H(p)!=="svelte-1352bha"&&(p.innerHTML=D),L=s(e),w(c.$$.fragment,e),P=s(e),T=$(e,"P",{}),U(T).forEach(a),this.h()},h(){N(r,"name","hf:doc:metadata"),N(r,"content",Z)},m(e,t){X(document.head,r),n(e,g,t),n(e,h,t),n(e,b,t),M(l,e,t),n(e,_,t),M(o,e,t),n(e,x,t),M(m,e,t),n(e,E,t),n(e,u,t),n(e,v,t),n(e,d,t),n(e,C,t),n(e,p,t),n(e,L,t),M(c,e,t),n(e,P,t),n(e,T,t),z=!0},p:q,i(e){z||(y(l.$$.fragment,e),y(o.$$.fragment,e),y(m.$$.fragment,e),y(c.$$.fragment,e),z=!0)},o(e){A(l.$$.fragment,e),A(o.$$.fragment,e),A(m.$$.fragment,e),A(c.$$.fragment,e),z=!1},d(e){e&&(a(g),a(h),a(b),a(_),a(x),a(E),a(u),a(v),a(d),a(C),a(p),a(L),a(P),a(T)),a(r),B(l,e),B(o,e),B(m,e),B(c,e)}}}const Z='{"title":"Sumar","local":"sumar","sections":[],"depth":1}';function ee(S){return F(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class ie extends I{constructor(r){super(),O(this,r,ee,Y,j,{})}}export{ie as component};