Buckets:
| # Introducere[[introducere]] | |
| În [Capitolul 2](/course/chapter2) am explorat modul de utilizare a tokenizerelor și a modelelor preantrenate pentru a efectua predicții. Dar ce se întâmplă dacă doriți să ajustați un model preantrenat pentru propriul dvs. set de date? Iată subiectul acestui capitol! Veți învăța: | |
| {#if fw === 'pt'} | |
| * Cum să configurați un set mare de date din Hub | |
| * Cum să utilizați API-ul `Trainer` pentru a ajusta un model | |
| * Cum să utilizați o buclă de instruire personalizată | |
| * Cum să profitați de biblioteca Accelerate 🤗 pentru a rula cu ușurință bucla de instruire personalizată pe orice configurație distribuită | |
| {:else} | |
| * Cum să configurați un set mare de date din Hub | |
| * Cum să utilizați Keras pentru a ajusta un model | |
| * Cum să utilizați Keras pentru a obține predicții | |
| * Cum să utilizați o măsură personalizată | |
| {/if} | |
| Pentru a încărca checkpoint-urile antrenate în Hugging Face Hub, veți avea nevoie de un cont huggingface.co: [creați un cont](https://huggingface.co/join) | |
Xet Storage Details
- Size:
- 1.05 kB
- Xet hash:
- 13c45101a8dc8fed2e81b94ae455bd534abbfd35b3ed8c19d1bcca0a41fd90da
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.