course/pr_1213/my/_app/immutable/nodes/45.3f20ddca.js

import{s as Tt,o as ht}from"../chunks/scheduler.893fe8c9.js";import{S as bt,i as vt,e as s,s as l,c as k,h as Ht,a,d as n,b as r,f as dt,g as A,j as o,k as et,l as xt,m as i,n as F,t as E,o as I,p as D}from"../chunks/index.b1df2166.js";import{C as Lt,H as $t,E as wt}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.9e292c4c.js";import{C as Ct}from"../chunks/CourseFloatingBanner.c1c08878.js";import{F as _t}from"../chunks/FrameworkSwitchCourse.4480e339.js";function yt(nt){let g,P,m,M,u,U,c,q,d,B,$,G,T,it='<a href="/course/chapter2">Chapter 2</a> မှာ ကျွန်တော်တို့ဟာ tokenizers တွေနဲ့ pre-trained models တွေကို အသုံးပြုပြီး predictions တွေ ဘယ်လိုလုပ်ရမယ်ဆိုတာကို လေ့လာခဲ့ပါတယ်။ ဒါပေမယ့် သီးခြားလုပ်ငန်းတစ်ခုကို ဖြေရှင်းဖို့အတွက် pre-trained model တစ်ခုကို fine-tune လုပ်ချင်တယ်ဆိုရင်ကော။ ဒါက ဒီအခန်းရဲ့ အကြောင်းအရာပါပဲ။ သင်ဟာ အောက်ပါတို့ကို သင်ယူရပါလိမ့်မယ်-',O,h,lt="<li>နောက်ဆုံးပေါ် 🤗 Datasets features တွေကို အသုံးပြုပြီး Hub ကနေ ကြီးမားတဲ့ dataset တစ်ခုကို ဘယ်လိုပြင်ဆင်ရမလဲ</li> <li>ခေတ်မီအကောင်းဆုံး အလေ့အကျင့်တွေနဲ့ model တစ်ခုကို fine-tune လုပ်ဖို့ high-level <code>Trainer</code> API ကို ဘယ်လိုအသုံးပြုရမလဲ</li> <li>optimization နည်းစနစ်တွေနဲ့ custom training loop တစ်ခုကို ဘယ်လို implement လုပ်ရမလဲ</li> <li>မည်သည့် setup ပေါ်မှာမဆို distributed training ကို အလွယ်တကူ run နိုင်ဖို့ 🤗 Accelerate library ကို ဘယ်လိုအသုံးချရမလဲ</li> <li>အမြင့်ဆုံး performance အတွက် လက်ရှိ fine-tuning အကောင်းဆုံး အလေ့အကျင့်တွေကို ဘယ်လိုအသုံးချရမလဲ</li>",S,p,rt='<p>📚 <strong>မရှိမဖြစ် လိုအပ်သော အရင်းအမြစ်များ</strong>: မစတင်မီ၊ data processing အတွက် <a href="https://huggingface.co/docs/datasets/" rel="nofollow">🤗 Datasets documentation</a> ကို ပြန်လည်လေ့လာနိုင်ပါတယ်။</p>',R,b,st="ဒီအခန်းက 🤗 Transformers library အပြင် အချို့ Hugging Face libraries တွေကိုပါ မိတ်ဆက်ပေးပါလိမ့်မယ်။ 🤗 Datasets, 🤗 Tokenizers, 🤗 Accelerate, နဲ့ 🤗 Evaluate လို libraries တွေက models တွေကို ပိုမိုထိရောက်ပြီး အကျိုးရှိရှိ train လုပ်ဖို့ ဘယ်လိုကူညီပေးနိုင်တယ်ဆိုတာကို ကျွန်တော်တို့ တွေ့မြင်ရပါလိမ့်မယ်။",j,v,at="ဒီအခန်းရဲ့ အဓိကအပိုင်းတစ်ခုစီက သင့်ကို မတူညီတဲ့အရာတွေကို သင်ကြားပေးပါလိမ့်မယ်-",K,H,ot="<li><strong>အပိုင်း ၂</strong>: ခေတ်မီ data preprocessing နည်းစနစ်တွေနဲ့ ထိရောက်တဲ့ dataset handling တွေကို သင်ယူပါ။</li> <li><strong>အပိုင်း ၃</strong>: သူ့ရဲ့ နောက်ဆုံးပေါ် features အားလုံးနဲ့ အစွမ်းထက်တဲ့ Trainer API ကို ကျွမ်းကျင်အောင် လေ့လာပါ။</li> <li><strong>အပိုင်း ၄</strong>: training loops တွေကို အစကနေ implement လုပ်ပြီး Accelerate နဲ့ distributed training ကို နားလည်ပါ။</li>",Q,x,gt="ဒီအခန်းရဲ့ အဆုံးမှာတော့ သင်ဟာ high-level APIs နဲ့ custom training loops နှစ်ခုလုံးကို အသုံးပြုပြီး၊ နယ်ပယ်ရဲ့ နောက်ဆုံးပေါ် အကောင်းဆုံး အလေ့အကျင့်တွေကို အသုံးချကာ သင်ကိုယ်ပိုင် datasets တွေနဲ့ လုပ်ငန်းတွေပေါ်မှာ models တွေကို fine-tune လုပ်နိုင်ပါလိမ့်မယ်။",N,f,mt="<p>🎯 <strong>သင် တည်ဆောက်မည့်အရာ</strong>: ဒီအခန်းရဲ့ အဆုံးမှာ သင်ဟာ text classification အတွက် BERT model တစ်ခုကို fine-tune လုပ်ပြီး၊ သင်၏ datasets တွေနဲ့ လုပ်ငန်းတွေအတွက် ဒီနည်းစနစ်တွေကို ဘယ်လို လိုက်လျောညီထွေဖြစ်အောင် အသုံးချရမလဲဆိုတာကို နားလည်လာပါလိမ့်မယ်။</p>",J,L,ut="ဒီအခန်းက <strong>PyTorch</strong> ကိုသာ သီးသန့်အာရုံစိုက်ထားပါတယ်၊ ဘာလို့လဲဆိုတော့ ဒါက ခေတ်မီ deep learning သုတေသနနဲ့ production အတွက် standard framework တစ်ခု ဖြစ်လာလို့ပါပဲ။ Hugging Face ecosystem ရဲ့ နောက်ဆုံးပေါ် APIs နဲ့ အကောင်းဆုံး အလေ့အကျင့်တွေကို ကျွန်တော်တို့ အသုံးပြုပါမယ်။",V,w,pt='သင့်ရဲ့ train လုပ်ထားတဲ့ models တွေကို Hugging Face Hub ကို upload လုပ်ဖို့အတွက် Hugging Face account တစ်ခု လိုအပ်ပါလိမ့်မယ်- <a href="https://huggingface.co/join" rel="nofollow">account တစ်ခု ဖန်တီးပါ</a>',W,C,X,_,ft="<li><strong>Fine-tune</strong>: ကြိုတင်လေ့ကျင့်ထားပြီးသား (pre-trained) မော်ဒယ်တစ်ခုကို သီးခြားလုပ်ငန်းတစ်ခု (specific task) အတွက် အနည်းငယ်သော ဒေတာနဲ့ ထပ်မံလေ့ကျင့်ပေးခြင်းကို ဆိုလိုပါတယ်။</li> <li><strong>Pretrained Models</strong>: ဒေတာအမြောက်အမြားပေါ်တွင် ကြိုတင်လေ့ကျင့်ထားပြီးသား Artificial Intelligence (AI) မော်ဒယ်များ။</li> <li><strong>Predictions</strong>: Machine Learning မော်ဒယ်တစ်ခုက input data ကို အခြေခံပြီး ခန့်မှန်းထုတ်ပေးသော ရလဒ်များ။</li> <li><strong>Dataset</strong>: AI မော်ဒယ်တွေ လေ့ကျင့်ဖို့အတွက် အသုံးပြုတဲ့ ဒေတာအစုအဝေးတစ်ခုပါ။</li> <li><strong>Hugging Face Hub</strong>: AI မော်ဒယ်တွေ၊ datasets တွေနဲ့ demo တွေကို အခြားသူတွေနဲ့ မျှဝေဖို့၊ ရှာဖွေဖို့နဲ့ ပြန်လည်အသုံးပြုဖို့အတွက် အွန်လိုင်း platform တစ်ခု ဖြစ်ပါတယ်။</li> <li><strong>🤗 Datasets</strong>: Hugging Face က ထုတ်လုပ်ထားတဲ့ library တစ်ခုဖြစ်ပြီး AI မော်ဒယ်တွေ လေ့ကျင့်ဖို့အတွက် ဒေတာအစုအဝေး (datasets) တွေကို လွယ်လွယ်ကူကူ ဝင်ရောက်ရယူ၊ စီမံခန့်ခွဲပြီး အသုံးပြုနိုင်စေပါတယ်။</li> <li><strong><code>Trainer</code> API</strong>: 🤗 Transformers library မှာ ပါဝင်တဲ့ high-level API တစ်ခုဖြစ်ပြီး Transformer models တွေကို အလွယ်တကူ လေ့ကျင့်ပြီး fine-tune လုပ်နိုင်စေပါတယ်။</li> <li><strong>Best Practices</strong>: နယ်ပယ်တစ်ခုအတွင်း လုပ်ဆောင်မှုများကို ထိရောက်ပြီး အကျိုးရှိစေရန် အကောင်းဆုံးနည်းလမ်းများ။</li> <li><strong>Custom Training Loop</strong>: model တစ်ခုကို လေ့ကျင့်ရန်အတွက် ကိုယ်တိုင်ရေးသားထားသော code loop။</li> <li><strong>Optimization Techniques</strong>: model လေ့ကျင့်မှုကို ပိုမိုမြန်ဆန်စေရန် သို့မဟုတ် ပိုမိုထိရောက်စေရန် အသုံးပြုသော နည်းလမ်းများ။</li> <li><strong>🤗 Accelerate Library</strong>: Hugging Face က ထုတ်လုပ်ထားတဲ့ library တစ်ခုဖြစ်ပြီး PyTorch code တွေကို မတူညီတဲ့ training environment (ဥပမာ - GPU အများအပြား၊ distributed training) တွေမှာ အလွယ်တကူ run နိုင်အောင် ကူညီပေးပါတယ်။</li> <li><strong>Distributed Training</strong>: model တစ်ခုကို ကွန်ပျူတာ သို့မဟုတ် GPU များစွာကို အသုံးပြုပြီး အပြိုင် လေ့ကျင့်ခြင်း။</li> <li><strong>🤗 Tokenizers</strong>: Hugging Face က ထုတ်လုပ်ထားတဲ့ library တစ်ခုဖြစ်ပြီး စာသားတွေကို AI မော်ဒယ်တွေ နားလည်နိုင်တဲ့ ပုံစံ (tokens) တွေအဖြစ် ပြောင်းလဲပေးတဲ့ လုပ်ငန်းစဉ် (tokenization) ကို မြန်ဆန်ထိရောက်စွာ လုပ်ဆောင်ပေးပါတယ်။</li> <li><strong>🤗 Evaluate</strong>: Hugging Face မှ machine learning models များ၏ စွမ်းဆောင်ရည်ကို တိုင်းတာရန်အတွက် metrics များနှင့် evaluation components များကို ပံ့ပိုးပေးသော library။</li> <li><strong>BERT Model</strong>: Google က ဖန်တီးခဲ့သော Transformer-based language model တစ်ခု။</li> <li><strong>Text Classification</strong>: စာသားတစ်ခုကို ကြိုတင်သတ်မှတ်ထားသော အမျိုးအစားများအဖြစ် ခွဲခြားသတ်မှတ်ခြင်း။</li> <li><strong>PyTorch</strong>: Facebook (ယခု Meta) က ဖန်တီးထားတဲ့ open-source machine learning library တစ်ခုဖြစ်ပြီး deep learning မော်ဒယ်တွေ တည်ဆောက်ဖို့အတွက် အသုံးပြုပါတယ်။</li> <li><strong>Deep Learning</strong>: Machine Learning ရဲ့ နယ်ပယ်ခွဲတစ်ခုဖြစ်ပြီး neural networks တွေကို အသုံးပြုကာ ဒေတာတွေကနေ ရှုပ်ထွေးတဲ့ ပုံစံတွေကို သင်ယူစေပါတယ်။</li> <li><strong>Hugging Face Account</strong>: Hugging Face ပလက်ဖောင်းပေါ်ရှိ သုံးစွဲသူအကောင့်။</li> <li><strong>Data Preprocessing</strong>: Raw data ကို machine learning model တစ်ခုက လုပ်ဆောင်နိုင်ရန် ပြင်ဆင်ခြင်း။</li> <li><strong>Dataset Handling</strong>: Dataset များကို စီမံခန့်ခွဲခြင်းနှင့် အသုံးပြုခြင်း။</li>",Y,y,Z,z,tt;return u=new _t({props:{fw:nt[0]}}),c=new Lt({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),d=new $t({props:{title:"နိဒါန်း",local:"introduction",headingTag:"h1"}}),$=new Ct({props:{chapter:3,classNames:"absolute z-10 right-0 top-0"}}),C=new $t({props:{title:"ဝေါဟာရ ရှင်းလင်းချက် (Glossary)",local:"ဝဟရ-ရငလငခက-glossary",headingTag:"h2"}}),y=new wt({props:{source:"https://github.com/huggingface/course/blob/main/chapters/my/chapter3/1.mdx"}}),{c(){g=s("meta"),P=l(),m=s("p"),M=l(),k(u.$$.fragment),U=l(),k(c.$$.fragment),q=l(),k(d.$$.fragment),B=l(),k($.$$.fragment),G=l(),T=s("p"),T.innerHTML=it,O=l(),h=s("ul"),h.innerHTML=lt,S=l(),p=s("blockquote"),p.innerHTML=rt,R=l(),b=s("p"),b.textContent=st,j=l(),v=s("p"),v.textContent=at,K=l(),H=s("ul"),H.innerHTML=ot,Q=l(),x=s("p"),x.textContent=gt,N=l(),f=s("blockquote"),f.innerHTML=mt,J=l(),L=s("p"),L.innerHTML=ut,V=l(),w=s("p"),w.innerHTML=pt,W=l(),k(C.$$.fragment),X=l(),_=s("ul"),_.innerHTML=ft,Y=l(),k(y.$$.fragment),Z=l(),z=s("p"),this.h()},l(t){const e=Ht("svelte-u9bgzb",document.head);g=a(e,"META",{name:!0,content:!0}),e.forEach(n),P=r(t),m=a(t,"P",{}),dt(m).forEach(n),M=r(t),A(u.$$.fragment,t),U=r(t),A(c.$$.fragment,t),q=r(t),A(d.$$.fragment,t),B=r(t),A($.$$.fragment,t),G=r(t),T=a(t,"P",{"data-svelte-h":!0}),o(T)!=="svelte-1u42mo0"&&(T.innerHTML=it),O=r(t),h=a(t,"UL",{"data-svelte-h":!0}),o(h)!=="svelte-hobdac"&&(h.innerHTML=lt),S=r(t),p=a(t,"BLOCKQUOTE",{class:!0,"data-svelte-h":!0}),o(p)!=="svelte-1dmdwr"&&(p.innerHTML=rt),R=r(t),b=a(t,"P",{"data-svelte-h":!0}),o(b)!=="svelte-1olyxp1"&&(b.textContent=st),j=r(t),v=a(t,"P",{"data-svelte-h":!0}),o(v)!=="svelte-1nbf2op"&&(v.textContent=at),K=r(t),H=a(t,"UL",{"data-svelte-h":!0}),o(H)!=="svelte-1vwoewo"&&(H.innerHTML=ot),Q=r(t),x=a(t,"P",{"data-svelte-h":!0}),o(x)!=="svelte-1fube4m"&&(x.textContent=gt),N=r(t),f=a(t,"BLOCKQUOTE",{class:!0,"data-svelte-h":!0}),o(f)!=="svelte-wy8nhu"&&(f.innerHTML=mt),J=r(t),L=a(t,"P",{"data-svelte-h":!0}),o(L)!=="svelte-l0d4td"&&(L.innerHTML=ut),V=r(t),w=a(t,"P",{"data-svelte-h":!0}),o(w)!=="svelte-ct40ek"&&(w.innerHTML=pt),W=r(t),A(C.$$.fragment,t),X=r(t),_=a(t,"UL",{"data-svelte-h":!0}),o(_)!=="svelte-qm0xjs"&&(_.innerHTML=ft),Y=r(t),A(y.$$.fragment,t),Z=r(t),z=a(t,"P",{}),dt(z).forEach(n),this.h()},h(){et(g,"name","hf:doc:metadata"),et(g,"content",Pt),et(p,"class","tip"),et(f,"class","tip")},m(t,e){xt(document.head,g),i(t,P,e),i(t,m,e),i(t,M,e),F(u,t,e),i(t,U,e),F(c,t,e),i(t,q,e),F(d,t,e),i(t,B,e),F($,t,e),i(t,G,e),i(t,T,e),i(t,O,e),i(t,h,e),i(t,S,e),i(t,p,e),i(t,R,e),i(t,b,e),i(t,j,e),i(t,v,e),i(t,K,e),i(t,H,e),i(t,Q,e),i(t,x,e),i(t,N,e),i(t,f,e),i(t,J,e),i(t,L,e),i(t,V,e),i(t,w,e),i(t,W,e),F(C,t,e),i(t,X,e),i(t,_,e),i(t,Y,e),F(y,t,e),i(t,Z,e),i(t,z,e),tt=!0},p(t,[e]){const ct={};e&1&&(ct.fw=t[0]),u.$set(ct)},i(t){tt||(E(u.$$.fragment,t),E(c.$$.fragment,t),E(d.$$.fragment,t),E($.$$.fragment,t),E(C.$$.fragment,t),E(y.$$.fragment,t),tt=!0)},o(t){I(u.$$.fragment,t),I(c.$$.fragment,t),I(d.$$.fragment,t),I($.$$.fragment,t),I(C.$$.fragment,t),I(y.$$.fragment,t),tt=!1},d(t){t&&(n(P),n(m),n(M),n(U),n(q),n(B),n(G),n(T),n(O),n(h),n(S),n(p),n(R),n(b),n(j),n(v),n(K),n(H),n(Q),n(x),n(N),n(f),n(J),n(L),n(V),n(w),n(W),n(X),n(_),n(Y),n(Z),n(z)),n(g),D(u,t),D(c,t),D(d,t),D($,t),D(C,t),D(y,t)}}}const Pt='{"title":"နိဒါန်း","local":"introduction","sections":[{"title":"ဝေါဟာရ ရှင်းလင်းချက် (Glossary)","local":"ဝဟရ-ရငလငခက-glossary","sections":[],"depth":2}],"depth":1}';function Mt(nt,g,P){let m="pt";return ht(()=>{const M=new URLSearchParams(window.location.search);P(0,m=M.get("fw")||"pt")}),[m]}class Dt extends bt{constructor(g){super(),vt(this,g,Mt,yt,Tt,{})}}export{Dt as component};