Buckets:

rtrm's picture
|
download
raw
2.19 kB

สรุป

ในบทนี้คุณได้เรียนรู้การแก้ปัญหา NLP แบบต่าง ๆ โดยใช้ฟังก์ชัน pipeline() จาก 🤗 Transformers รวมถึงได้เรียนรู้การค้นหาและใช้งานโมเดลใน Hub อีกทั้งยังเรียนรู้การใช้งาน Inference API ในการทดสอบโมเดลจากเว็บบราวเซอร์

นอกจากนี้เรายังได้พูดเกี่ยวกับการทำงานของโมเดล Transformer และความสำคัญของการใช้งาน transfer learning และการ fine-tune สิ่งสำคัญเลยคือ คุณสามารถใช้โมเดลแบบเต็มรูปแบบหรือจะใช้เพียงแค่ส่วน encoder หรือ decoder ก็ได้ ขึ้นอยู่กับว่าต้องการใช้งานแบบไหน ตารางด้านล่างสรุปการใช้งานไว้ดังนี้:

โมเดล ตัวอย่าง งาน
Encoder ALBERT, BERT, DistilBERT, ELECTRA, RoBERTa การแยกแยะประโยค, การระบุประเภทคำ, การสกัดคำถามคำตอบ
Decoder CTRL, GPT, GPT-2, Transformer XL การสร้างข้อความ
Encoder-decoder BART, T5, Marian, mBART การสรุปความ, การแปลภาษา, การสร้างคำตอบจากคำถาม

Xet Storage Details

Size:
2.19 kB
·
Xet hash:
f8a986b3c67130713421168db3323d98f04ceb2a3b59df3bd18d62f91c76b5bd

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