course/pr_1191/ro/_app/immutable/nodes/76.4d2700a5.js

import{s as J,o as V}from"../chunks/scheduler.893fe8c9.js";import{S as W,i as X,e as f,s as o,c as P,h as Y,a as d,d as a,b as p,f as Q,g as w,j as z,k as B,l as Z,m as l,n as L,t as H,o as k,p as y}from"../chunks/index.6ee278c6.js";import{C as ee,H as te,E as ae}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.4160c7e1.js";import{C as ie}from"../chunks/CourseFloatingBanner.b902b8d5.js";import{F as re}from"../chunks/FrameworkSwitchCourse.77a18d50.js";function ne(b){let i,m='Pentru a face acest lucru, va trebui să valorificați tot ceea ce ați învățat despre API-ul <code>Trainer</code> și biblioteca 🤗 Accelerate în <a href="/course/chapter3">Capitolul 3</a>, biblioteca 🤗 Datasets în <a href="/course/chapter5">Capitolul 5</a> și biblioteca 🤗 Tokenizers în <a href="/course/chapter6">Capitolul 6</a>. De asemenea, vom încărca rezultatele noastre în Model Hub, așa cum am făcut în <a href="/course/chapter4">Capitolul 4</a>, astfel încât acesta este cu adevărat capitolul în care totul se unește!',c,n,s="Fiecare secțiune poate fi citită independent.";return{c(){i=f("p"),i.innerHTML=m,c=o(),n=f("p"),n.textContent=s},l(r){i=d(r,"P",{"data-svelte-h":!0}),z(i)!=="svelte-eu7uzr"&&(i.innerHTML=m),c=p(r),n=d(r,"P",{"data-svelte-h":!0}),z(n)!=="svelte-1sb50io"&&(n.textContent=s)},m(r,u){l(r,i,u),l(r,c,u),l(r,n,u)},d(r){r&&(a(i),a(c),a(n))}}}function le(b){let i,m='Pentru a face acest lucru, va trebui să valorificați tot ceea ce ați învățat despre API-ul <code>Trainer</code> și biblioteca 🤗 Accelerate în <a href="/course/chapter3">Capitolul 3</a>, biblioteca 🤗 Datasets în <a href="/course/chapter5">Capitolul 5</a> și biblioteca 🤗 Tokenizers în <a href="/course/chapter6">Capitolul 6</a>. De asemenea, vom încărca rezultatele noastre în Model Hub, așa cum am făcut în <a href="/course/chapter4">Capitolul 4</a>, astfel încât acesta este cu adevărat capitolul în care totul se unește!',c,n,s="Fiecare secțiune poate fi citită independent și vă va arăta cum să antrenați un model cu API-ul <code>Trainer</code> sau cu propria buclă de antrenament, utilizând 🤗 Accelerate. Nu ezitați să săriți peste oricare dintre cele două părți și să vă concentrați pe cea care vă interesează cel mai mult: API-ul <code>Trainer</code> este excelent pentru fine-tuning sau antrenarea modelului vostru fără a vă face griji cu privire la ceea ce se întâmplă în spatele scenei, în timp ce bucla de antrenament cu <code>Accelerate</code> vă va permite să personalizați mai ușor orice parte doriți.";return{c(){i=f("p"),i.innerHTML=m,c=o(),n=f("p"),n.innerHTML=s},l(r){i=d(r,"P",{"data-svelte-h":!0}),z(i)!=="svelte-eu7uzr"&&(i.innerHTML=m),c=p(r),n=d(r,"P",{"data-svelte-h":!0}),z(n)!=="svelte-vn7nc5"&&(n.innerHTML=s)},m(r,u){l(r,i,u),l(r,c,u),l(r,n,u)},d(r){r&&(a(i),a(c),a(n))}}}function ce(b){let i,m,c,n,s,r,u,A,h,E,_,I,C,O='În <a href="/course/chapter3">Capitolul 3</a>, ați văzut cum să faceți fine-tune unui model pentru clasificarea textului. În acest capitol, vom aborda următoarele sarcini NLP:',S,T,U="<li>Clasificarea tokenilor</li> <li>Masked language modeling (precum BERT)</li> <li>Sumarizare</li> <li>Traducere</li> <li>Preantrenare pentru <code>causal language modeling</code> (precum GPT-2)</li> <li>Răspunsul la întrebări</li>",D,x,$,j="<p>Dacă citiți secțiunile în succesiune, veți observa că acestea au destul de mult cod și proză în comun. Repetarea este intenționată, pentru a vă permite să intrați (sau să reveniți mai târziu) la orice sarcină care vă interesează și să găsiți un exemplu.</p>",F,g,N,M,R;s=new re({props:{fw:b[0]}}),u=new ee({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),h=new te({props:{title:"Introducere",local:"introduction",headingTag:"h1"}}),_=new ie({props:{chapter:7,classNames:"absolute z-10 right-0 top-0"}});function G(e,t){return e[0]==="pt"?le:ne}let q=G(b),v=q(b);return g=new ae({props:{source:"https://github.com/huggingface/course/blob/main/chapters/ro/chapter7/1.mdx"}}),{c(){i=f("meta"),m=o(),c=f("p"),n=o(),P(s.$$.fragment),r=o(),P(u.$$.fragment),A=o(),P(h.$$.fragment),E=o(),P(_.$$.fragment),I=o(),C=f("p"),C.innerHTML=O,S=o(),T=f("ul"),T.innerHTML=U,D=o(),v.c(),x=o(),$=f("blockquote"),$.innerHTML=j,F=o(),P(g.$$.fragment),N=o(),M=f("p"),this.h()},l(e){const t=Y("svelte-u9bgzb",document.head);i=d(t,"META",{name:!0,content:!0}),t.forEach(a),m=p(e),c=d(e,"P",{}),Q(c).forEach(a),n=p(e),w(s.$$.fragment,e),r=p(e),w(u.$$.fragment,e),A=p(e),w(h.$$.fragment,e),E=p(e),w(_.$$.fragment,e),I=p(e),C=d(e,"P",{"data-svelte-h":!0}),z(C)!=="svelte-zxgu4g"&&(C.innerHTML=O),S=p(e),T=d(e,"UL",{"data-svelte-h":!0}),z(T)!=="svelte-162b42s"&&(T.innerHTML=U),D=p(e),v.l(e),x=p(e),$=d(e,"BLOCKQUOTE",{class:!0,"data-svelte-h":!0}),z($)!=="svelte-1rtz68m"&&($.innerHTML=j),F=p(e),w(g.$$.fragment,e),N=p(e),M=d(e,"P",{}),Q(M).forEach(a),this.h()},h(){B(i,"name","hf:doc:metadata"),B(i,"content",ue),B($,"class","tip")},m(e,t){Z(document.head,i),l(e,m,t),l(e,c,t),l(e,n,t),L(s,e,t),l(e,r,t),L(u,e,t),l(e,A,t),L(h,e,t),l(e,E,t),L(_,e,t),l(e,I,t),l(e,C,t),l(e,S,t),l(e,T,t),l(e,D,t),v.m(e,t),l(e,x,t),l(e,$,t),l(e,F,t),L(g,e,t),l(e,N,t),l(e,M,t),R=!0},p(e,[t]){const K={};t&1&&(K.fw=e[0]),s.$set(K),q!==(q=G(e))&&(v.d(1),v=q(e),v&&(v.c(),v.m(x.parentNode,x)))},i(e){R||(H(s.$$.fragment,e),H(u.$$.fragment,e),H(h.$$.fragment,e),H(_.$$.fragment,e),H(g.$$.fragment,e),R=!0)},o(e){k(s.$$.fragment,e),k(u.$$.fragment,e),k(h.$$.fragment,e),k(_.$$.fragment,e),k(g.$$.fragment,e),R=!1},d(e){e&&(a(m),a(c),a(n),a(r),a(A),a(E),a(I),a(C),a(S),a(T),a(D),a(x),a($),a(F),a(N),a(M)),a(i),y(s,e),y(u,e),y(h,e),y(_,e),v.d(e),y(g,e)}}}const ue='{"title":"Introducere","local":"introduction","sections":[],"depth":1}';function se(b,i,m){let c="pt";return V(()=>{const n=new URLSearchParams(window.location.search);m(0,c=n.get("fw")||"pt")}),[c]}class ve extends W{constructor(i){super(),X(this,i,se,ce,J,{})}}export{ve as component};