Buckets:
| import{s as $l,o as bl,n as Ne}from"../chunks/scheduler.c38028ba.js";import{S as Cl,i as Xl,g as p,s,r as u,A as Il,h as o,f as l,c as r,j as Fe,u as w,x as h,k as jl,y as Ye,a,v as c,d as J,t as y,w as T}from"../chunks/index.6df1961f.js";import{C as _}from"../chunks/CodeBlock.85c468cd.js";import{F as gl,M as ze}from"../chunks/Markdown.5e7b4bfd.js";import{H as g,E as Al}from"../chunks/EditOnGithub.fa45e999.js";function vl(j){let n,d='<li>يقوم النص البرمجي التوضيحي بتنزيل مجموعة بيانات ومعالجتها مسبقًا من مكتبة 🤗 <a href="https://huggingface.co/docs/datasets" rel="nofollow">Datasets</a>.</li> <li>ثم يقوم النص البرمجي بضبط نموذج بيانات دقيق باستخدام <a href="https://huggingface.co/docs/transformers/main_classes/trainer" rel="nofollow">Trainer</a> على بنية تدعم الملخص.</li> <li>يوضح المثال التالي كيفية ضبط نموذج <a href="https://huggingface.co/google-t5/t5-small" rel="nofollow">T5-small</a> على مجموعة بيانات <a href="https://huggingface.co/datasets/cnn_dailymail" rel="nofollow">CNN/DailyMail</a>.</li> <li>يتطلب نموذج T5 معامل <code>source_prefix</code> إضافية بسبب الطريقة التي تم تدريبه بها. يتيح هذا المطالبة لـ T5 معرفة أن هذه مهمة التلخيص.</li>',i,m,f;return m=new _({props:{code:"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",highlighted:`python examples/pytorch/summarization/run_summarization.py \\ | |
| --model_name_or_path google-t5/t5-small \\ | |
| --do_train \\ | |
| --do_eval \\ | |
| --dataset_name cnn_dailymail \\ | |
| --dataset_config <span class="hljs-string">"3.0.0"</span> \\ | |
| --source_prefix <span class="hljs-string">"summarize: "</span> \\ | |
| --output_dir /tmp/tst-summarization \\ | |
| --per_device_train_batch_size=4 \\ | |
| --per_device_eval_batch_size=4 \\ | |
| --overwrite_output_dir \\ | |
| --predict_with_generate`,wrap:!1}}),{c(){n=p("ul"),n.innerHTML=d,i=s(),u(m.$$.fragment)},l(M){n=o(M,"UL",{"data-svelte-h":!0}),h(n)!=="svelte-108ftt4"&&(n.innerHTML=d),i=r(M),w(m.$$.fragment,M)},m(M,U){a(M,n,U),a(M,i,U),c(m,M,U),f=!0},p:Ne,i(M){f||(J(m.$$.fragment,M),f=!0)},o(M){y(m.$$.fragment,M),f=!1},d(M){M&&(l(n),l(i)),T(m,M)}}}function Wl(j){let n,d;return n=new ze({props:{$$slots:{default:[vl]},$$scope:{ctx:j}}}),{c(){u(n.$$.fragment)},l(i){w(n.$$.fragment,i)},m(i,m){c(n,i,m),d=!0},p(i,m){const f={};m&2&&(f.$$scope={dirty:m,ctx:i}),n.$set(f)},i(i){d||(J(n.$$.fragment,i),d=!0)},o(i){y(n.$$.fragment,i),d=!1},d(i){T(n,i)}}}function Zl(j){let n,d='<li>يقوم النص البرمجي التوضيحي بتنزيل مجموعة بيانات ومعالجتها مسبقًا من مكتبة 🤗 <a href="https://huggingface.co/docs/datasets/" rel="nofollow">Datasets</a>.</li> <li>ثم يقوم النص البرمجي بضبط نموذج بيانات دقيق باستخدام Keras على بنية تدعم الملخص.</li> <li>يوضح المثال التالي كيفية ضبط نموذج <a href="https://huggingface.co/google-t5/t5-small" rel="nofollow">T5-small</a> على مجموعة بيانات <a href="https://huggingface.co/datasets/cnn_dailymail" rel="nofollow">CNN/DailyMail</a>.</li> <li>يتطلب نموذج T5 ماعمل <code>source_prefix</code> إضافية بسبب الطريقة التي تم تدريبه بها. يتيح هذا المطالبة لـ T5 معرفة أن هذه مهمة التلخيص.</li>',i,m,f;return m=new _({props:{code:"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",highlighted:`python examples/tensorflow/summarization/run_summarization.py \\ | |
| --model_name_or_path google-t5/t5-small \\ | |
| --dataset_name cnn_dailymail \\ | |
| --dataset_config <span class="hljs-string">"3.0.0"</span> \\ | |
| --output_dir /tmp/tst-summarization \\ | |
| --per_device_train_batch_size 8 \\ | |
| --per_device_eval_batch_size 16 \\ | |
| --num_train_epochs 3 \\ | |
| --do_train \\ | |
| --do_eval`,wrap:!1}}),{c(){n=p("ul"),n.innerHTML=d,i=s(),u(m.$$.fragment)},l(M){n=o(M,"UL",{"data-svelte-h":!0}),h(n)!=="svelte-1wjhtry"&&(n.innerHTML=d),i=r(M),w(m.$$.fragment,M)},m(M,U){a(M,n,U),a(M,i,U),c(m,M,U),f=!0},p:Ne,i(M){f||(J(m.$$.fragment,M),f=!0)},o(M){y(m.$$.fragment,M),f=!1},d(M){M&&(l(n),l(i)),T(m,M)}}}function Gl(j){let n,d;return n=new ze({props:{$$slots:{default:[Zl]},$$scope:{ctx:j}}}),{c(){u(n.$$.fragment)},l(i){w(n.$$.fragment,i)},m(i,m){c(n,i,m),d=!0},p(i,m){const f={};m&2&&(f.$$scope={dirty:m,ctx:i}),n.$set(f)},i(i){d||(J(n.$$.fragment,i),d=!0)},o(i){y(n.$$.fragment,i),d=!1},d(i){T(n,i)}}}function Rl(j){let n,d='تُعد وحدات معالجة الدقة الفائقة (TPUs) مصممة خصيصًا لتسريع الأداء. يدعم PyTorch وحدات معالجة الدقة الفائقة (TPUs) مع <a href="https://www.tensorflow.org/xla" rel="nofollow">XLA</a> مجمع الدقة الفائقة للتعلم العميق (راجع <a href="https://github.com/pytorch/xla/blob/master/README.md" rel="nofollow">هنا</a> لمزيد من التفاصيل). لاستخدام وحدة معالجة الدقة الفائقة (TPU)، قم بتشغيل نص <code>xla_spawn.py</code> البرمجي واستخدم معامل <code>num_cores</code> لتعيين عدد وحدات معالجة الدقة الفائقة (TPU) التي تريد استخدامها.',i,m,f;return m=new _({props:{code:"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",highlighted:`python xla_spawn.py --num_cores 8 \\ | |
| summarization/run_summarization.py \\ | |
| --model_name_or_path google-t5/t5-small \\ | |
| --do_train \\ | |
| --do_eval \\ | |
| --dataset_name cnn_dailymail \\ | |
| --dataset_config <span class="hljs-string">"3.0.0"</span> \\ | |
| --source_prefix <span class="hljs-string">"summarize: "</span> \\ | |
| --output_dir /tmp/tst-summarization \\ | |
| --per_device_train_batch_size=4 \\ | |
| --per_device_eval_batch_size=4 \\ | |
| --overwrite_output_dir \\ | |
| --predict_with_generate`,wrap:!1}}),{c(){n=p("p"),n.innerHTML=d,i=s(),u(m.$$.fragment)},l(M){n=o(M,"P",{"data-svelte-h":!0}),h(n)!=="svelte-1evfnwp"&&(n.innerHTML=d),i=r(M),w(m.$$.fragment,M)},m(M,U){a(M,n,U),a(M,i,U),c(m,M,U),f=!0},p:Ne,i(M){f||(J(m.$$.fragment,M),f=!0)},o(M){y(m.$$.fragment,M),f=!1},d(M){M&&(l(n),l(i)),T(m,M)}}}function xl(j){let n,d;return n=new ze({props:{$$slots:{default:[Rl]},$$scope:{ctx:j}}}),{c(){u(n.$$.fragment)},l(i){w(n.$$.fragment,i)},m(i,m){c(n,i,m),d=!0},p(i,m){const f={};m&2&&(f.$$scope={dirty:m,ctx:i}),n.$set(f)},i(i){d||(J(n.$$.fragment,i),d=!0)},o(i){y(n.$$.fragment,i),d=!1},d(i){T(n,i)}}}function Ll(j){let n,d='تُعد وحدات معالجة الدقة الفائقة (TPUs) مصممة خصيصًا لتسريع الأداء. تستخدم نصوص TensorFlow البرمجية استراتيجية <a href="https://www.tensorflow.org/guide/distributed_training#tpustrategy" rel="nofollow"><code>TPUStrategy</code></a> للتدريب على وحدات معالجة الدقة الفائقة (TPUs). لاستخدام وحدة معالجة الدقة الفائقة (TPU)، قم بتمرير اسم مورد وحدة معالجة الدقة الفائقة (TPU) إلى حجة <code>tpu</code>.',i,m,f;return m=new _({props:{code:"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",highlighted:`python run_summarization.py \\ | |
| --tpu name_of_tpu_resource \\ | |
| --model_name_or_path google-t5/t5-small \\ | |
| --dataset_name cnn_dailymail \\ | |
| --dataset_config <span class="hljs-string">"3.0.0"</span> \\ | |
| --output_dir /tmp/tst-summarization \\ | |
| --per_device_train_batch_size 8 \\ | |
| --per_device_eval_batch_size 16 \\ | |
| --num_train_epochs 3 \\ | |
| --do_train \\ | |
| --do_eval`,wrap:!1}}),{c(){n=p("p"),n.innerHTML=d,i=s(),u(m.$$.fragment)},l(M){n=o(M,"P",{"data-svelte-h":!0}),h(n)!=="svelte-waho4w"&&(n.innerHTML=d),i=r(M),w(m.$$.fragment,M)},m(M,U){a(M,n,U),a(M,i,U),c(m,M,U),f=!0},p:Ne,i(M){f||(J(m.$$.fragment,M),f=!0)},o(M){y(m.$$.fragment,M),f=!1},d(M){M&&(l(n),l(i)),T(m,M)}}}function Vl(j){let n,d;return n=new ze({props:{$$slots:{default:[Ll]},$$scope:{ctx:j}}}),{c(){u(n.$$.fragment)},l(i){w(n.$$.fragment,i)},m(i,m){c(n,i,m),d=!0},p(i,m){const f={};m&2&&(f.$$scope={dirty:m,ctx:i}),n.$set(f)},i(i){d||(J(n.$$.fragment,i),d=!0)},o(i){y(n.$$.fragment,i),d=!1},d(i){T(n,i)}}}function Nl(j){let n,d,i,m,f,M,U,Se='بالإضافة إلى دفاتر الملاحظات <a href="./notebooks">notebooks</a> الخاصة بـ 🤗 Transformers، هناك أيضًا نصوص برمجية توضيحية تُظهر كيفية تدريب نموذج لمهمة باستخدام <a href="https://github.com/huggingface/transformers/tree/main/examples/pytorch" rel="nofollow">PyTorch</a> أو <a href="https://github.com/huggingface/transformers/tree/main/examples/tensorflow" rel="nofollow">TensorFlow</a> أو <a href="https://github.com/huggingface/transformers/tree/main/examples/flax" rel="nofollow">JAX/Flax</a>.',Zt,X,He='كما ستجد النصوص البرمجية التي استخدمناها في <a href="https://github.com/huggingface/transformers/tree/main/examples/research_projects" rel="nofollow">مشاريع الأبحاث</a> و <a href="https://github.com/huggingface/transformers/tree/main/examples/legacy" rel="nofollow">الأمثلة القديمة</a> والتي ساهم بها المجتمع بشكل أساسي. هذه النصوص البرمجية غير مدعومة بشكل نشط وقد تتطلب إصدارًا محددًا من مكتبة 🤗 Transformers والذي من المحتمل أن يكون غير متوافق مع الإصدار الأحدث من المكتبة.',Gt,I,Ee="لا يُتوقع أن تعمل النصوص البرمجية التوضيحية بشكل مباشر على كل مشكلة، وقد تحتاج إلى تكييف النص البرمجي مع المشكلة التي تحاول حلها. ولمساعدتك في ذلك، تعرض معظم النصوص البرمجية كيفية معالجة البيانات قبل التدريب بشكل كامل، مما يتيح لك تحريرها حسب الحاجة لحالتك الاستخدام.",Rt,A,ke='بالنسبة لأي ميزة ترغب في تنفيذها في نص برمجي توضيحي، يرجى مناقشتها في <a href="https://discuss.huggingface.co/" rel="nofollow">المنتدى</a> أو في <a href="https://github.com/huggingface/transformers/issues" rel="nofollow">قضية</a> قبل إرسال طلب سحب. وفي حين أننا نرحب بإصلاح الأخطاء، فمن غير المرجح أن نقوم بدمج طلب سحب الذي يضيف المزيد من الوظائف على حساب قابلية القراءة.',xt,v,Qe='سيوضح هذا الدليل كيفية تشغيل نص برمجي توضيحي للتدريب على التلخيص في <a href="https://github.com/huggingface/transformers/tree/main/examples/pytorch/summarization" rel="nofollow">PyTorch</a> و <a href="https://github.com/huggingface/transformers/tree/main/examples/tensorflow/summarization" rel="nofollow">TensorFlow</a>. يُتوقع أن تعمل جميع الأمثلة مع كلا الإطارين ما لم يُنص على خلاف ذلك.',Lt,W,Vt,Z,De="لتشغيل الإصدار الأحدث من النصوص البرمجية التوضيحية بنجاح، يجب عليك <strong>تثبيت 🤗 Transformers من المصدر</strong> في بيئة افتراضية جديدة:",Nt,G,zt,R,Pe="بالنسبة للإصدارات الأقدم من النصوص البرمجية التوضيحية، انقر فوق الزر أدناه:",Bt,x,Ft,L,qe="بالنسبة للإصدارات الأقدم من النصوص البرمجية التوضيحية، انقر فوق الزر أدناه:",Yt,V,Oe='<summary>أمثلة للإصدارات الأقدم من 🤗 Transformers</summary> <ul><li><a href="https://github.com/huggingface/transformers/tree/v4.5.1/examples">v4.5.1</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v4.4.2/examples">v4.4.2</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v4.3.3/examples">v4.3.3</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v4.2.2/examples">v4.2.2</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v4.1.1/examples">v4.1.1</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v4.0.1/examples">v4.0.1</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v3.5.1/examples">v3.5.1</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v3.4.0/examples">v3.4.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v3.3.1/examples">v3.3.1</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v3.2.0/examples">v3.2.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v3.1.0/examples">v3.1.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v3.0.2/examples">v3.0.2</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v2.11.0/examples">v2.11.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v2.10.0/examples">v2.10.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v2.9.1/examples">v2.9.1</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v2.8.0/examples">v2.8.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v2.7.0/examples">v2.7.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v2.6.0/examples">v2.6.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v2.5.1/examples">v2.5.1</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v2.4.0/examples">v2.4.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v2.3.0/examples">v2.3.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v2.2.0/examples">v2.2.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v2.1.0/examples">v2.1.1</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v2.0.0/examples">v2.0.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v1.2.0/examples">v1.2.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v1.1.0/examples">v1.1.0</a></li> <li><a href="https://github.com/huggingface/transformers/tree/v1.0.0/examples">v1.0.0</a></li></ul>',St,N,Ke="ثم قم بالتبديل إلى النسخة الحالية من 🤗 Transformers إلى إصدار محدد، مثل v3.5.1 على سبيل المثال:",Ht,z,Et,B,tl="بعد إعداد إصدار المكتبة الصحيح، انتقل إلى مجلد الأمثلة الذي تختاره وقم بتثبيت المتطلبات المحددة:",kt,F,Qt,Y,Dt,$,Pt,S,qt,H,el='يدعم <a href="https://huggingface.co/docs/transformers/main_classes/trainer" rel="nofollow">Trainer</a> التدريب الموزع والدقة المختلطة، مما يعني أنه يمكنك أيضًا استخدامه في نص برمجي. لتمكين كلتا الميزتين:',Ot,E,ll="<li>أضف معامل <code>fp16</code> لتمكين الدقة المختلطة.</li> <li>قم بتعيين عدد وحدات معالجة الرسومات (GPUs) التي تريد استخدامها باستخدام حجة <code>nproc_per_node</code>.</li>",Kt,k,te,Q,al='تستخدم نصوص TensorFlow البرمجية استراتيجية <a href="https://www.tensorflow.org/guide/distributed_training#mirroredstrategy" rel="nofollow"><code>MirroredStrategy</code></a> للتدريب الموزع، ولا تحتاج إلى إضافة أي معامﻻت إضافية إلى النص البرمجي التدريبي. سيستخدم نص TensorFlow البرمجي وحدات معالجة الرسومات (GPUs) متعددة بشكل افتراضي إذا كانت متوفرة.',ee,D,le,b,ae,P,ne,q,nl='🤗 <a href="https://huggingface.co/docs/accelerate" rel="nofollow">Accelerate</a> هي مكتبة خاصة بـ PyTorch فقط توفر طريقة موحدة لتدريب نموذج على عدة أنواع من الإعدادات (الاعتماد على وحدة المعالجة المركزية (CPU) فقط، أو وحدات معالجة الرسومات (GPUs) المتعددة، أو وحدات معالجة الدقة الفائقة (TPUs)) مع الحفاظ على الرؤية الكاملة لحلقة تدريب PyTorch. تأكد من تثبيت 🤗 Accelerate إذا لم يكن لديك بالفعل:',ie,C,vt,il="ملاحظة: نظرًا لأن Accelerate في حالة تطوير سريع، يجب تثبيت إصدار Git من Accelerate لتشغيل النصوص البرمجية.",Be,O,se,K,sl="بدلاً من إستخدام النص البرمجي <code>run_summarization.py</code> يجب عليك استخدام النص البرمجي <code>run_summarization_no_trainer.py</code> . ستكون النصوص البرمجية المدعومة من 🤗 Accelerate لها ملف <code>task_no_trainer.py</code> في المجلد. ابدأ بتشغيل الأمر التالي لإنشاء وحفظ ملف تكوين:",re,tt,Me,et,rl="اختبر إعدادك للتأكد من أنه تم تكوينه بشكل صحيح:",me,lt,pe,at,Ml="الآن أنت مستعد لبدء التدريب:",oe,nt,fe,it,ue,st,ml="يدعم النص البرمجي للتلخيص مجموعة بيانات مخصصة طالما أنها ملف CSV أو JSON Line. عندما تستخدم مجموعة بياناتك الخاصة، تحتاج إلى تحديد العديد من المعلمات الإضافية:",we,rt,pl="<li><code>train_file</code> و<code>validation_file</code> يحددان مسار ملفات التدريب والتحقق الخاصة بك.</li> <li><code>text_column</code> النص المدخل الذي سيتم تلخيصه.</li> <li><code>summary_column</code> النص الملخص المستهدف الذي سيتم إخراجه.</li>",ce,Mt,ol="سيبدو النص البرمجي للتلخيص الذي يستخدم مجموعة بيانات مخصصة على النحو التالي:",Je,mt,ye,pt,Te,ot,fl="من الجيد غالبًا تشغيل نصك البرمجي على عدد أقل من أمثلة مجموعة البيانات للتأكد من أن كل شيء يعمل كما هو متوقع قبل الالتزام بمجموعة بيانات كاملة والتي قد تستغرق ساعات لإكمالها. استخدم المعلمات التالية لتقليص مجموعة البيانات إلى عدد أقصى من العينات:",de,ft,ul="<li><code>max_train_samples</code></li> <li><code>max_eval_samples</code></li> <li><code>max_predict_samples</code></li>",he,ut,Ue,wt,wl="لا تدعم جميع أمثلة النصوص البرمجية المعلمة <code>max_predict_samples</code>. إذا لم تكن متأكدًا مما إذا كان نصك البرمجي يدعم هذه المعلمة، فأضف معلمة <code>-h</code> للتحقق:",_e,ct,je,Jt,ge,yt,cl="خيار آخر مفيد لتمكينه هو استئناف التدريب من نقطة تفتيش سابقة. سيضمن ذلك أنك تستطيع الاستمرار من حيث توقفت دون البدء من جديد إذا تم مقاطعة تدريبك. هناك طريقتان لاستئناف التدريب من نقطة تفتيش.",$e,Tt,Jl="تستخدم الطريقة الأولى المعلمة <code>output_dir previous_output_dir</code> لاستئناف التدريب من أحدث نقطة تفتيش مخزنة في <code>output_dir</code>. في هذه الحالة، يجب عليك إزالة <code>overwrite_output_dir</code>:",be,dt,Ce,ht,yl="تستخدم الطريقة الثانية معلمة <code>resume_from_checkpoint path_to_specific_checkpoint</code> لاستئناف التدريب من مجلد نقطة تفتيش محددة.",Xe,Ut,Ie,_t,Ae,jt,Tl='يمكن لجميع النصوص البرمجية رفع نموذجك النهائي إلى <a href="https://huggingface.co/models" rel="nofollow">مركز النماذج</a>. تأكد من تسجيل الدخول إلى Hugging Face قبل البدء:',ve,gt,We,$t,dl="ثم أضف المعلمة <code>push_to_hub</code> إلى النص البرمجي . ستقوم هذه المعلمة بإنشاء مستودع باستخدام اسم مستخدم Hugging Face واسم المجلد المحدد في <code>output_dir</code>.",Ze,bt,hl="لإعطاء مستودعك اسمًا محددًا، استخدم المعلمة <code>push_to_hub_model_id</code> لإضافته. سيتم عرض المستودع تلقائيًا ضمن مساحة الاسم الخاصة بك.",Ge,Ct,Ul="يوضح المثال التالي كيفية رفع نموذج باستخدام اسم مستودع محدد:",Re,Xt,xe,It,Le,Wt,Ve;return f=new g({props:{title:"التدريب باستخدام نص برمجى",local:"التدريب-باستخدام-نص-برمجى",headingTag:"h1"}}),W=new g({props:{title:"الإعداد",local:"الإعداد",headingTag:"h2"}}),G=new _({props:{code:"Z2l0JTIwY2xvbmUlMjBodHRwcyUzQSUyRiUyRmdpdGh1Yi5jb20lMkZodWdnaW5nZmFjZSUyRnRyYW5zZm9ybWVycyUwQWNkJTIwdHJhbnNmb3JtZXJzJTBBcGlwJTIwaW5zdGFsbCUyMC4=",highlighted:`git <span class="hljs-built_in">clone</span> https://github.com/huggingface/transformers | |
| <span class="hljs-built_in">cd</span> transformers | |
| pip install .`,wrap:!1}}),x=new _({props:{code:"Z2l0JTIwY2xvbmUlMjBodHRwcyUzQSUyRiUyRmdpdGh1Yi5jb20lMkZodWdnaW5nZmFjZSUyRnRyYW5zZm9ybWVycyUwQWNkJTIwdHJhbnNmb3JtZXJzJTBBcGlwJTIwaW5zdGFsbCUyMC4=",highlighted:`git <span class="hljs-built_in">clone</span> https://github.com/huggingface/transformers | |
| <span class="hljs-built_in">cd</span> transformers | |
| pip install .`,wrap:!1}}),z=new _({props:{code:"Z2l0JTIwY2hlY2tvdXQlMjB0YWdzJTJGdjMuNS4x",highlighted:"git checkout tags/v3.5.1",wrap:!1}}),F=new _({props:{code:"cGlwJTIwaW5zdGFsbCUyMC1yJTIwcmVxdWlyZW1lbnRzLnR4dA==",highlighted:"pip install -r requirements.txt",wrap:!1}}),Y=new g({props:{title:"تشغيل نص برمجي",local:"تشغيل-نص-برمجي",headingTag:"h2"}}),$=new gl({props:{pytorch:!0,tensorflow:!0,jax:!1,$$slots:{tensorflow:[Gl],pytorch:[Wl]},$$scope:{ctx:j}}}),S=new g({props:{title:"التدريب الموزع والدقة المختلطة",local:"التدريب-الموزع-والدقة-المختلطة",headingTag:"h2"}}),k=new _({props:{code:"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",highlighted:`torchrun \\ | |
| --nproc_per_node 8 pytorch/summarization/run_summarization.py \\ | |
| --fp16 \\ | |
| --model_name_or_path google-t5/t5-small \\ | |
| --do_train \\ | |
| --do_eval \\ | |
| --dataset_name cnn_dailymail \\ | |
| --dataset_config <span class="hljs-string">"3.0.0"</span> \\ | |
| --source_prefix <span class="hljs-string">"summarize: "</span> \\ | |
| --output_dir /tmp/tst-summarization \\ | |
| --per_device_train_batch_size=4 \\ | |
| --per_device_eval_batch_size=4 \\ | |
| --overwrite_output_dir \\ | |
| --predict_with_generate`,wrap:!1}}),D=new g({props:{title:"تشغيل نص برمجي على وحدة معالجة الدقة الفائقة (TPU)",local:"تشغيل-نص-برمجي-على-وحدة-معالجة-الدقة-الفائقة-tpu",headingTag:"h2"}}),b=new gl({props:{pytorch:!0,tensorflow:!0,jax:!1,$$slots:{tensorflow:[Vl],pytorch:[xl]},$$scope:{ctx:j}}}),P=new g({props:{title:"تشغيل نص برمجي باستخدام 🤗 Accelerate",local:"تشغيل-نص-برمجي-باستخدام--accelerate",headingTag:"h2"}}),O=new _({props:{code:"cGlwJTIwaW5zdGFsbCUyMGdpdCUyQmh0dHBzJTNBJTJGJTJGZ2l0aHViLmNvbSUyRmh1Z2dpbmdmYWNlJTJGYWNjZWxlcmF0ZQ==",highlighted:"pip install git+https://github.com/huggingface/accelerate",wrap:!1}}),tt=new _({props:{code:"YWNjZWxlcmF0ZSUyMGNvbmZpZw==",highlighted:"accelerate config",wrap:!1}}),lt=new _({props:{code:"YWNjZWxlcmF0ZSUyMHRlc3Q=",highlighted:'accelerate <span class="hljs-built_in">test</span>',wrap:!1}}),nt=new _({props:{code:"YWNjZWxlcmF0ZSUyMGxhdW5jaCUyMHJ1bl9zdW1tYXJpemF0aW9uX25vX3RyYWluZXIucHklMjAlNUMlMEElMjAlMjAlMjAlMjAtLW1vZGVsX25hbWVfb3JfcGF0aCUyMGdvb2dsZS10NSUyRnQ1LXNtYWxsJTIwJTVDJTBBJTIwJTIwJTIwJTIwLS1kYXRhc2V0X25hbWUlMjBjbm5fZGFpbHltYWlsJTIwJTVDJTBBJTIwJTIwJTIwJTIwLS1kYXRhc2V0X2NvbmZpZyUyMCUyMjMuMC4wJTIyJTIwJTVDJTBBJTIwJTIwJTIwJTIwLS1zb3VyY2VfcHJlZml4JTIwJTIyc3VtbWFyaXplJTNBJTIwJTIyJTIwJTVDJTBBJTIwJTIwJTIwJTIwLS1vdXRwdXRfZGlyJTIwfiUyRnRtcCUyRnRzdC1zdW1tYXJpemF0aW9u",highlighted:`accelerate launch run_summarization_no_trainer.py \\ | |
| --model_name_or_path google-t5/t5-small \\ | |
| --dataset_name cnn_dailymail \\ | |
| --dataset_config <span class="hljs-string">"3.0.0"</span> \\ | |
| --source_prefix <span class="hljs-string">"summarize: "</span> \\ | |
| --output_dir ~/tmp/tst-summarization`,wrap:!1}}),it=new g({props:{title:"استخدام مجموعة بيانات مخصصة",local:"استخدام-مجموعة-بيانات-مخصصة",headingTag:"h2"}}),mt=new _({props:{code:"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",highlighted:`python examples/pytorch/summarization/run_summarization.py \\ | |
| --model_name_or_path google-t5/t5-small \\ | |
| --do_train \\ | |
| --do_eval \\ | |
| --train_file path_to_csv_or_jsonlines_file \\ | |
| --validation_file path_to_csv_or_jsonlines_file \\ | |
| --text_column text_column_name \\ | |
| --summary_column summary_column_name \\ | |
| --source_prefix <span class="hljs-string">"summarize: "</span> \\ | |
| --output_dir /tmp/tst-summarization \\ | |
| --overwrite_output_dir \\ | |
| --per_device_train_batch_size=4 \\ | |
| --per_device_eval_batch_size=4 \\ | |
| --predict_with_generate`,wrap:!1}}),pt=new g({props:{title:"اختبار البرنامج النصي",local:"اختبار-البرنامج-النصي",headingTag:"h2"}}),ut=new _({props:{code:"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",highlighted:`python examples/pytorch/summarization/run_summarization.py \\ | |
| --model_name_or_path google-t5/t5-small \\ | |
| --max_train_samples 50 \\ | |
| --max_eval_samples 50 \\ | |
| --max_predict_samples 50 \\ | |
| --do_train \\ | |
| --do_eval \\ | |
| --dataset_name cnn_dailymail \\ | |
| --dataset_config <span class="hljs-string">"3.0.0"</span> \\ | |
| --source_prefix <span class="hljs-string">"summarize: "</span> \\ | |
| --output_dir /tmp/tst-summarization \\ | |
| --per_device_train_batch_size=4 \\ | |
| --per_device_eval_batch_size=4 \\ | |
| --overwrite_output_dir \\ | |
| --predict_with_generate`,wrap:!1}}),ct=new _({props:{code:"ZXhhbXBsZXMlMkZweXRvcmNoJTJGc3VtbWFyaXphdGlvbiUyRnJ1bl9zdW1tYXJpemF0aW9uLnB5JTIwLWg=",highlighted:"examples/pytorch/summarization/run_summarization.py -h",wrap:!1}}),Jt=new g({props:{title:"استئناف التدريب من نقطة تفتيش",local:"استئناف-التدريب-من-نقطة-تفتيش",headingTag:"h2"}}),dt=new _({props:{code:"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",highlighted:`python examples/pytorch/summarization/run_summarization.py | |
| --model_name_or_path google-t5/t5-small \\ | |
| --do_train \\ | |
| --do_eval \\ | |
| --dataset_name cnn_dailymail \\ | |
| --dataset_config <span class="hljs-string">"3.0.0"</span> \\ | |
| --source_prefix <span class="hljs-string">"summarize: "</span> \\ | |
| --output_dir /tmp/tst-summarization \\ | |
| --per_device_train_batch_size=4 \\ | |
| --per_device_eval_batch_size=4 \\ | |
| --output_dir previous_output_dir \\ | |
| --predict_with_generate`,wrap:!1}}),Ut=new _({props:{code:"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",highlighted:`python examples/pytorch/summarization/run_summarization.py | |
| --model_name_or_path google-t5/t5-small \\ | |
| --do_train \\ | |
| --do_eval \\ | |
| --dataset_name cnn_dailymail \\ | |
| --dataset_config <span class="hljs-string">"3.0.0"</span> \\ | |
| --source_prefix <span class="hljs-string">"summarize: "</span> \\ | |
| --output_dir /tmp/tst-summarization \\ | |
| --per_device_train_batch_size=4 \\ | |
| --per_device_eval_batch_size=4 \\ | |
| --overwrite_output_dir \\ | |
| --resume_from_checkpoint path_to_specific_checkpoint \\ | |
| --predict_with_generate`,wrap:!1}}),_t=new g({props:{title:"شارك نموذجك",local:"شارك-نموذجك",headingTag:"h2"}}),gt=new _({props:{code:"aHVnZ2luZ2ZhY2UtY2xpJTIwbG9naW4=",highlighted:"huggingface-cli login",wrap:!1}}),Xt=new _({props:{code:"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",highlighted:`python examples/pytorch/summarization/run_summarization.py | |
| --model_name_or_path google-t5/t5-small \\ | |
| --do_train \\ | |
| --do_eval \\ | |
| --dataset_name cnn_dailymail \\ | |
| --dataset_config <span class="hljs-string">"3.0.0"</span> \\ | |
| --source_prefix <span class="hljs-string">"summarize: "</span> \\ | |
| --push_to_hub \\ | |
| --push_to_hub_model_id finetuned-t5-cnn_dailymail \\ | |
| --output_dir /tmp/tst-summarization \\ | |
| --per_device_train_batch_size=4 \\ | |
| --per_device_eval_batch_size=4 \\ | |
| --overwrite_output_dir \\ | |
| --predict_with_generate`,wrap:!1}}),It=new Al({props:{source:"https://github.com/huggingface/transformers/blob/main/docs/source/ar/run_scripts.md"}}),{c(){n=p("meta"),d=s(),i=p("p"),m=s(),u(f.$$.fragment),M=s(),U=p("p"),U.innerHTML=Se,Zt=s(),X=p("p"),X.innerHTML=He,Gt=s(),I=p("p"),I.textContent=Ee,Rt=s(),A=p("p"),A.innerHTML=ke,xt=s(),v=p("p"),v.innerHTML=Qe,Lt=s(),u(W.$$.fragment),Vt=s(),Z=p("p"),Z.innerHTML=De,Nt=s(),u(G.$$.fragment),zt=s(),R=p("p"),R.textContent=Pe,Bt=s(),u(x.$$.fragment),Ft=s(),L=p("p"),L.textContent=qe,Yt=s(),V=p("details"),V.innerHTML=Oe,St=s(),N=p("p"),N.textContent=Ke,Ht=s(),u(z.$$.fragment),Et=s(),B=p("p"),B.textContent=tl,kt=s(),u(F.$$.fragment),Qt=s(),u(Y.$$.fragment),Dt=s(),u($.$$.fragment),Pt=s(),u(S.$$.fragment),qt=s(),H=p("p"),H.innerHTML=el,Ot=s(),E=p("ul"),E.innerHTML=ll,Kt=s(),u(k.$$.fragment),te=s(),Q=p("p"),Q.innerHTML=al,ee=s(),u(D.$$.fragment),le=s(),u(b.$$.fragment),ae=s(),u(P.$$.fragment),ne=s(),q=p("p"),q.innerHTML=nl,ie=s(),C=p("blockquote"),vt=p("p"),vt.textContent=il,Be=s(),u(O.$$.fragment),se=s(),K=p("p"),K.innerHTML=sl,re=s(),u(tt.$$.fragment),Me=s(),et=p("p"),et.textContent=rl,me=s(),u(lt.$$.fragment),pe=s(),at=p("p"),at.textContent=Ml,oe=s(),u(nt.$$.fragment),fe=s(),u(it.$$.fragment),ue=s(),st=p("p"),st.textContent=ml,we=s(),rt=p("ul"),rt.innerHTML=pl,ce=s(),Mt=p("p"),Mt.textContent=ol,Je=s(),u(mt.$$.fragment),ye=s(),u(pt.$$.fragment),Te=s(),ot=p("p"),ot.textContent=fl,de=s(),ft=p("ul"),ft.innerHTML=ul,he=s(),u(ut.$$.fragment),Ue=s(),wt=p("p"),wt.innerHTML=wl,_e=s(),u(ct.$$.fragment),je=s(),u(Jt.$$.fragment),ge=s(),yt=p("p"),yt.textContent=cl,$e=s(),Tt=p("p"),Tt.innerHTML=Jl,be=s(),u(dt.$$.fragment),Ce=s(),ht=p("p"),ht.innerHTML=yl,Xe=s(),u(Ut.$$.fragment),Ie=s(),u(_t.$$.fragment),Ae=s(),jt=p("p"),jt.innerHTML=Tl,ve=s(),u(gt.$$.fragment),We=s(),$t=p("p"),$t.innerHTML=dl,Ze=s(),bt=p("p"),bt.innerHTML=hl,Ge=s(),Ct=p("p"),Ct.textContent=Ul,Re=s(),u(Xt.$$.fragment),xe=s(),u(It.$$.fragment),Le=s(),Wt=p("p"),this.h()},l(t){const e=Il("svelte-u9bgzb",document.head);n=o(e,"META",{name:!0,content:!0}),e.forEach(l),d=r(t),i=o(t,"P",{}),Fe(i).forEach(l),m=r(t),w(f.$$.fragment,t),M=r(t),U=o(t,"P",{"data-svelte-h":!0}),h(U)!=="svelte-pjc28a"&&(U.innerHTML=Se),Zt=r(t),X=o(t,"P",{"data-svelte-h":!0}),h(X)!=="svelte-1d0h081"&&(X.innerHTML=He),Gt=r(t),I=o(t,"P",{"data-svelte-h":!0}),h(I)!=="svelte-1uzpzy4"&&(I.textContent=Ee),Rt=r(t),A=o(t,"P",{"data-svelte-h":!0}),h(A)!=="svelte-15ozqo7"&&(A.innerHTML=ke),xt=r(t),v=o(t,"P",{"data-svelte-h":!0}),h(v)!=="svelte-1t00ukz"&&(v.innerHTML=Qe),Lt=r(t),w(W.$$.fragment,t),Vt=r(t),Z=o(t,"P",{"data-svelte-h":!0}),h(Z)!=="svelte-16bu6tf"&&(Z.innerHTML=De),Nt=r(t),w(G.$$.fragment,t),zt=r(t),R=o(t,"P",{"data-svelte-h":!0}),h(R)!=="svelte-1bqpket"&&(R.textContent=Pe),Bt=r(t),w(x.$$.fragment,t),Ft=r(t),L=o(t,"P",{"data-svelte-h":!0}),h(L)!=="svelte-1bqpket"&&(L.textContent=qe),Yt=r(t),V=o(t,"DETAILS",{"data-svelte-h":!0}),h(V)!=="svelte-1ji2eyi"&&(V.innerHTML=Oe),St=r(t),N=o(t,"P",{"data-svelte-h":!0}),h(N)!=="svelte-1si9zhd"&&(N.textContent=Ke),Ht=r(t),w(z.$$.fragment,t),Et=r(t),B=o(t,"P",{"data-svelte-h":!0}),h(B)!=="svelte-178tnpq"&&(B.textContent=tl),kt=r(t),w(F.$$.fragment,t),Qt=r(t),w(Y.$$.fragment,t),Dt=r(t),w($.$$.fragment,t),Pt=r(t),w(S.$$.fragment,t),qt=r(t),H=o(t,"P",{"data-svelte-h":!0}),h(H)!=="svelte-6sjrv1"&&(H.innerHTML=el),Ot=r(t),E=o(t,"UL",{"data-svelte-h":!0}),h(E)!=="svelte-lleffd"&&(E.innerHTML=ll),Kt=r(t),w(k.$$.fragment,t),te=r(t),Q=o(t,"P",{"data-svelte-h":!0}),h(Q)!=="svelte-167n2e2"&&(Q.innerHTML=al),ee=r(t),w(D.$$.fragment,t),le=r(t),w(b.$$.fragment,t),ae=r(t),w(P.$$.fragment,t),ne=r(t),q=o(t,"P",{"data-svelte-h":!0}),h(q)!=="svelte-4dzfb3"&&(q.innerHTML=nl),ie=r(t),C=o(t,"BLOCKQUOTE",{});var At=Fe(C);vt=o(At,"P",{"data-svelte-h":!0}),h(vt)!=="svelte-156gw2l"&&(vt.textContent=il),Be=r(At),w(O.$$.fragment,At),At.forEach(l),se=r(t),K=o(t,"P",{"data-svelte-h":!0}),h(K)!=="svelte-1ixr3aq"&&(K.innerHTML=sl),re=r(t),w(tt.$$.fragment,t),Me=r(t),et=o(t,"P",{"data-svelte-h":!0}),h(et)!=="svelte-nn2dqh"&&(et.textContent=rl),me=r(t),w(lt.$$.fragment,t),pe=r(t),at=o(t,"P",{"data-svelte-h":!0}),h(at)!=="svelte-1e2z6ej"&&(at.textContent=Ml),oe=r(t),w(nt.$$.fragment,t),fe=r(t),w(it.$$.fragment,t),ue=r(t),st=o(t,"P",{"data-svelte-h":!0}),h(st)!=="svelte-k5lj3"&&(st.textContent=ml),we=r(t),rt=o(t,"UL",{"data-svelte-h":!0}),h(rt)!=="svelte-1laiw1s"&&(rt.innerHTML=pl),ce=r(t),Mt=o(t,"P",{"data-svelte-h":!0}),h(Mt)!=="svelte-2pjs4w"&&(Mt.textContent=ol),Je=r(t),w(mt.$$.fragment,t),ye=r(t),w(pt.$$.fragment,t),Te=r(t),ot=o(t,"P",{"data-svelte-h":!0}),h(ot)!=="svelte-xo3l66"&&(ot.textContent=fl),de=r(t),ft=o(t,"UL",{"data-svelte-h":!0}),h(ft)!=="svelte-14g5f8g"&&(ft.innerHTML=ul),he=r(t),w(ut.$$.fragment,t),Ue=r(t),wt=o(t,"P",{"data-svelte-h":!0}),h(wt)!=="svelte-14y8ryn"&&(wt.innerHTML=wl),_e=r(t),w(ct.$$.fragment,t),je=r(t),w(Jt.$$.fragment,t),ge=r(t),yt=o(t,"P",{"data-svelte-h":!0}),h(yt)!=="svelte-jtka1o"&&(yt.textContent=cl),$e=r(t),Tt=o(t,"P",{"data-svelte-h":!0}),h(Tt)!=="svelte-1ou7sug"&&(Tt.innerHTML=Jl),be=r(t),w(dt.$$.fragment,t),Ce=r(t),ht=o(t,"P",{"data-svelte-h":!0}),h(ht)!=="svelte-wr7r60"&&(ht.innerHTML=yl),Xe=r(t),w(Ut.$$.fragment,t),Ie=r(t),w(_t.$$.fragment,t),Ae=r(t),jt=o(t,"P",{"data-svelte-h":!0}),h(jt)!=="svelte-18xmlow"&&(jt.innerHTML=Tl),ve=r(t),w(gt.$$.fragment,t),We=r(t),$t=o(t,"P",{"data-svelte-h":!0}),h($t)!=="svelte-1462s29"&&($t.innerHTML=dl),Ze=r(t),bt=o(t,"P",{"data-svelte-h":!0}),h(bt)!=="svelte-ozcu9a"&&(bt.innerHTML=hl),Ge=r(t),Ct=o(t,"P",{"data-svelte-h":!0}),h(Ct)!=="svelte-1ohau24"&&(Ct.textContent=Ul),Re=r(t),w(Xt.$$.fragment,t),xe=r(t),w(It.$$.fragment,t),Le=r(t),Wt=o(t,"P",{}),Fe(Wt).forEach(l),this.h()},h(){jl(n,"name","hf:doc:metadata"),jl(n,"content",zl)},m(t,e){Ye(document.head,n),a(t,d,e),a(t,i,e),a(t,m,e),c(f,t,e),a(t,M,e),a(t,U,e),a(t,Zt,e),a(t,X,e),a(t,Gt,e),a(t,I,e),a(t,Rt,e),a(t,A,e),a(t,xt,e),a(t,v,e),a(t,Lt,e),c(W,t,e),a(t,Vt,e),a(t,Z,e),a(t,Nt,e),c(G,t,e),a(t,zt,e),a(t,R,e),a(t,Bt,e),c(x,t,e),a(t,Ft,e),a(t,L,e),a(t,Yt,e),a(t,V,e),a(t,St,e),a(t,N,e),a(t,Ht,e),c(z,t,e),a(t,Et,e),a(t,B,e),a(t,kt,e),c(F,t,e),a(t,Qt,e),c(Y,t,e),a(t,Dt,e),c($,t,e),a(t,Pt,e),c(S,t,e),a(t,qt,e),a(t,H,e),a(t,Ot,e),a(t,E,e),a(t,Kt,e),c(k,t,e),a(t,te,e),a(t,Q,e),a(t,ee,e),c(D,t,e),a(t,le,e),c(b,t,e),a(t,ae,e),c(P,t,e),a(t,ne,e),a(t,q,e),a(t,ie,e),a(t,C,e),Ye(C,vt),Ye(C,Be),c(O,C,null),a(t,se,e),a(t,K,e),a(t,re,e),c(tt,t,e),a(t,Me,e),a(t,et,e),a(t,me,e),c(lt,t,e),a(t,pe,e),a(t,at,e),a(t,oe,e),c(nt,t,e),a(t,fe,e),c(it,t,e),a(t,ue,e),a(t,st,e),a(t,we,e),a(t,rt,e),a(t,ce,e),a(t,Mt,e),a(t,Je,e),c(mt,t,e),a(t,ye,e),c(pt,t,e),a(t,Te,e),a(t,ot,e),a(t,de,e),a(t,ft,e),a(t,he,e),c(ut,t,e),a(t,Ue,e),a(t,wt,e),a(t,_e,e),c(ct,t,e),a(t,je,e),c(Jt,t,e),a(t,ge,e),a(t,yt,e),a(t,$e,e),a(t,Tt,e),a(t,be,e),c(dt,t,e),a(t,Ce,e),a(t,ht,e),a(t,Xe,e),c(Ut,t,e),a(t,Ie,e),c(_t,t,e),a(t,Ae,e),a(t,jt,e),a(t,ve,e),c(gt,t,e),a(t,We,e),a(t,$t,e),a(t,Ze,e),a(t,bt,e),a(t,Ge,e),a(t,Ct,e),a(t,Re,e),c(Xt,t,e),a(t,xe,e),c(It,t,e),a(t,Le,e),a(t,Wt,e),Ve=!0},p(t,[e]){const At={};e&2&&(At.$$scope={dirty:e,ctx:t}),$.$set(At);const _l={};e&2&&(_l.$$scope={dirty:e,ctx:t}),b.$set(_l)},i(t){Ve||(J(f.$$.fragment,t),J(W.$$.fragment,t),J(G.$$.fragment,t),J(x.$$.fragment,t),J(z.$$.fragment,t),J(F.$$.fragment,t),J(Y.$$.fragment,t),J($.$$.fragment,t),J(S.$$.fragment,t),J(k.$$.fragment,t),J(D.$$.fragment,t),J(b.$$.fragment,t),J(P.$$.fragment,t),J(O.$$.fragment,t),J(tt.$$.fragment,t),J(lt.$$.fragment,t),J(nt.$$.fragment,t),J(it.$$.fragment,t),J(mt.$$.fragment,t),J(pt.$$.fragment,t),J(ut.$$.fragment,t),J(ct.$$.fragment,t),J(Jt.$$.fragment,t),J(dt.$$.fragment,t),J(Ut.$$.fragment,t),J(_t.$$.fragment,t),J(gt.$$.fragment,t),J(Xt.$$.fragment,t),J(It.$$.fragment,t),Ve=!0)},o(t){y(f.$$.fragment,t),y(W.$$.fragment,t),y(G.$$.fragment,t),y(x.$$.fragment,t),y(z.$$.fragment,t),y(F.$$.fragment,t),y(Y.$$.fragment,t),y($.$$.fragment,t),y(S.$$.fragment,t),y(k.$$.fragment,t),y(D.$$.fragment,t),y(b.$$.fragment,t),y(P.$$.fragment,t),y(O.$$.fragment,t),y(tt.$$.fragment,t),y(lt.$$.fragment,t),y(nt.$$.fragment,t),y(it.$$.fragment,t),y(mt.$$.fragment,t),y(pt.$$.fragment,t),y(ut.$$.fragment,t),y(ct.$$.fragment,t),y(Jt.$$.fragment,t),y(dt.$$.fragment,t),y(Ut.$$.fragment,t),y(_t.$$.fragment,t),y(gt.$$.fragment,t),y(Xt.$$.fragment,t),y(It.$$.fragment,t),Ve=!1},d(t){t&&(l(d),l(i),l(m),l(M),l(U),l(Zt),l(X),l(Gt),l(I),l(Rt),l(A),l(xt),l(v),l(Lt),l(Vt),l(Z),l(Nt),l(zt),l(R),l(Bt),l(Ft),l(L),l(Yt),l(V),l(St),l(N),l(Ht),l(Et),l(B),l(kt),l(Qt),l(Dt),l(Pt),l(qt),l(H),l(Ot),l(E),l(Kt),l(te),l(Q),l(ee),l(le),l(ae),l(ne),l(q),l(ie),l(C),l(se),l(K),l(re),l(Me),l(et),l(me),l(pe),l(at),l(oe),l(fe),l(ue),l(st),l(we),l(rt),l(ce),l(Mt),l(Je),l(ye),l(Te),l(ot),l(de),l(ft),l(he),l(Ue),l(wt),l(_e),l(je),l(ge),l(yt),l($e),l(Tt),l(be),l(Ce),l(ht),l(Xe),l(Ie),l(Ae),l(jt),l(ve),l(We),l($t),l(Ze),l(bt),l(Ge),l(Ct),l(Re),l(xe),l(Le),l(Wt)),l(n),T(f,t),T(W,t),T(G,t),T(x,t),T(z,t),T(F,t),T(Y,t),T($,t),T(S,t),T(k,t),T(D,t),T(b,t),T(P,t),T(O),T(tt,t),T(lt,t),T(nt,t),T(it,t),T(mt,t),T(pt,t),T(ut,t),T(ct,t),T(Jt,t),T(dt,t),T(Ut,t),T(_t,t),T(gt,t),T(Xt,t),T(It,t)}}}const zl='{"title":"التدريب باستخدام نص برمجى","local":"التدريب-باستخدام-نص-برمجى","sections":[{"title":"الإعداد","local":"الإعداد","sections":[],"depth":2},{"title":"تشغيل نص برمجي","local":"تشغيل-نص-برمجي","sections":[],"depth":2},{"title":"التدريب الموزع والدقة المختلطة","local":"التدريب-الموزع-والدقة-المختلطة","sections":[],"depth":2},{"title":"تشغيل نص برمجي على وحدة معالجة الدقة الفائقة (TPU)","local":"تشغيل-نص-برمجي-على-وحدة-معالجة-الدقة-الفائقة-tpu","sections":[],"depth":2},{"title":"تشغيل نص برمجي باستخدام 🤗 Accelerate","local":"تشغيل-نص-برمجي-باستخدام--accelerate","sections":[],"depth":2},{"title":"استخدام مجموعة بيانات مخصصة","local":"استخدام-مجموعة-بيانات-مخصصة","sections":[],"depth":2},{"title":"اختبار البرنامج النصي","local":"اختبار-البرنامج-النصي","sections":[],"depth":2},{"title":"استئناف التدريب من نقطة تفتيش","local":"استئناف-التدريب-من-نقطة-تفتيش","sections":[],"depth":2},{"title":"شارك نموذجك","local":"شارك-نموذجك","sections":[],"depth":2}],"depth":1}';function Bl(j){return bl(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class kl extends Cl{constructor(n){super(),Xl(this,n,Bl,Nl,$l,{})}}export{kl as component}; | |
Xet Storage Details
- Size:
- 47.9 kB
- Xet hash:
- bda8b39c0102f2844e26c6fab583e259a6cdd9d3df2d1a543772e68c9ae24a64
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.