Buckets:
| # Introduction | |
| Dans le [chapitre 2](/course/fr/chapter2) nous avons étudié comment utiliser les *tokenizers* et les modèles pré-entraînés pour faire des prédictions. | |
| Mais que faire si vous souhaitez *finetuner* un modèle pré-entraîné pour votre propre jeu de données ? C'est le sujet de ce chapitre ! Vous allez apprendre à : | |
| {#if fw === 'pt'} | |
| * savoir comment préparer un très grand jeu de données à partir du *Hub*, | |
| * savoir comment utiliser l'API de haut niveau `Trainer` pour *finetuner* un modèle, | |
| * savoir comment utiliser une boucle d'entraînement personnalisée, | |
| * savoir comment tirer parti de la bibliothèque 🤗 *Accelerate* pour exécuter facilement cette boucle d'entraînement personnalisée sur n'importe quelle configuration distribuée. | |
| {:else} | |
| * savoir comment préparer un très grand jeu de données à partir du *Hub*, | |
| * savoir comment utiliser Keras pour *finetuner* un modèle, | |
| * savoir comment utiliser Keras pour obtenir des prédictions, | |
| * savoir comment utiliser des métriques personnalisées. | |
| {/if} | |
| Afin de télécharger vos *checkpoints* entraînés sur le *Hub* Hugging Face, vous aurez besoin d'un compte huggingface.co : [créer un compte](https://huggingface.co/join) | |
Xet Storage Details
- Size:
- 1.23 kB
- Xet hash:
- 23c19ca88b859c756d4334e467161258c6b97e55f94baae5a45377d82159bf68
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.