Buckets:

rtrm's picture
download
raw
3.29 kB
import{s as F,n as G,o as I}from"../chunks/scheduler.505acc25.js";import{S as N,i as O,e as d,s,c as T,h as V,a as $,d as o,b as i,f as R,g as q,j as H,k as B,l as J,m as a,n as E,t as L,o as k,p as A}from"../chunks/index.1238bded.js";import{C as K,H as Q,E as W}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.c8372dd7.js";import{C as X}from"../chunks/CourseFloatingBanner.2e302d0f.js";function Y(S){let n,_,v,b,r,h,l,x,m,C,u,U="Ótimo trabalho seguindo o curso até aqui! Recapitulando, neste capítulo, você:",z,p,j="<li>Aprendeu os elementos básicos de um modelo Transformer.</li> <li>Aprendeu que compõe o pipeline de tokenização.</li> <li>Vou como utilizar um transformer na prática.</li> <li>Aprendeu como aproveitar um tokenizer para converter texto em tensores que são compreensíveis pelo modelo.</li> <li>Montar um tokenizer e um modelo juntos para ir do texto às previsões.</li> <li>Aprendeu as limitações dos IDs de entrada e aprendeu sobre máscaras de atenção.</li> <li>Testou os métodos de tokenizer versáteis e configuráveis.</li>",w,c,D="De agora em diante, você deve ser capaz de navegar livremente pelos documentos dos 🤗 transformers: o vocabulário soará familiar, e você já viu os métodos que utilizará na maior parte do tempo.",y,f,P,g,M;return r=new K({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),l=new Q({props:{title:"Uso básico concluído!",local:"uso-básico-concluído",headingTag:"h1"}}),m=new X({props:{chapter:2,classNames:"absolute z-10 right-0 top-0"}}),f=new W({props:{source:"https://github.com/huggingface/course/blob/main/chapters/pt/chapter2/7.mdx"}}),{c(){n=d("meta"),_=s(),v=d("p"),b=s(),T(r.$$.fragment),h=s(),T(l.$$.fragment),x=s(),T(m.$$.fragment),C=s(),u=d("p"),u.textContent=U,z=s(),p=d("ul"),p.innerHTML=j,w=s(),c=d("p"),c.textContent=D,y=s(),T(f.$$.fragment),P=s(),g=d("p"),this.h()},l(e){const t=V("svelte-u9bgzb",document.head);n=$(t,"META",{name:!0,content:!0}),t.forEach(o),_=i(e),v=$(e,"P",{}),R(v).forEach(o),b=i(e),q(r.$$.fragment,e),h=i(e),q(l.$$.fragment,e),x=i(e),q(m.$$.fragment,e),C=i(e),u=$(e,"P",{"data-svelte-h":!0}),H(u)!=="svelte-yeurzi"&&(u.textContent=U),z=i(e),p=$(e,"UL",{"data-svelte-h":!0}),H(p)!=="svelte-mmte39"&&(p.innerHTML=j),w=i(e),c=$(e,"P",{"data-svelte-h":!0}),H(c)!=="svelte-1p8cq75"&&(c.textContent=D),y=i(e),q(f.$$.fragment,e),P=i(e),g=$(e,"P",{}),R(g).forEach(o),this.h()},h(){B(n,"name","hf:doc:metadata"),B(n,"content",Z)},m(e,t){J(document.head,n),a(e,_,t),a(e,v,t),a(e,b,t),E(r,e,t),a(e,h,t),E(l,e,t),a(e,x,t),E(m,e,t),a(e,C,t),a(e,u,t),a(e,z,t),a(e,p,t),a(e,w,t),a(e,c,t),a(e,y,t),E(f,e,t),a(e,P,t),a(e,g,t),M=!0},p:G,i(e){M||(L(r.$$.fragment,e),L(l.$$.fragment,e),L(m.$$.fragment,e),L(f.$$.fragment,e),M=!0)},o(e){k(r.$$.fragment,e),k(l.$$.fragment,e),k(m.$$.fragment,e),k(f.$$.fragment,e),M=!1},d(e){e&&(o(_),o(v),o(b),o(h),o(x),o(C),o(u),o(z),o(p),o(w),o(c),o(y),o(P),o(g)),o(n),A(r,e),A(l,e),A(m,e),A(f,e)}}}const Z='{"title":"Uso básico concluído!","local":"uso-básico-concluído","sections":[],"depth":1}';function ee(S){return I(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class se extends N{constructor(n){super(),O(this,n,ee,Y,F,{})}}export{se as component};

Xet Storage Details

Size:
3.29 kB
·
Xet hash:
76f6cf905d0b817d34a17598bc1227dd0f668155b7481763174aa5464978ea51

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