course

0. Einrichtung

1. Transformer-Modelle

Einführung Natural Language Processing Transformer-Modelle - wozu sind sie imstande?Wie funktionieren Transformer-Modelle?Encoder-Modelle Decoder-Modelle Sequence-to-Sequence-Modelle Bias und Einschränkungen Zusammenfassung Quiz am Ende des Kapitels

3. Fine-tuning von vortrainierten Modellen

Einführung Datenbearbeitung Fine-tuning von Modellen mit der Trainer API oder Keras Komplettes Training Fine-tuning, Check!Quiz am Ende des Kapitels

4. Teilen von Modellen und Tokenizers

Der Hugging Face Hub Verwendung vortrainierter Modelle Vortrainierte Modelle teilen Erstellung einer Modellkarte ("model card")Teil 1 abgeschlossen!Quiz am Ende des Kapitels

Wörterverzeichnis

Join the Hugging Face community

and get access to the augmented documentation experience

Collaborate on models, datasets and Spaces

Faster examples with accelerated inference

Switch between documentation themes

to get started

Pytorch TensorFlow

Quiz am Ende des Kapitels

Lass uns testen, was du im vorheringen Kapitel gelernt hast!

1. Auf welche Modelle sind die Hub-Modelle beschränkt?

Modelle aus der 🤗 Transformers Bibliothek. Alle Modelle mit einer ähnlichen Schnittstelle (Interface) wie 🤗 Transformers. Es gibt keine Modelle, die in irgendeiner Weise mit NLP zu tun haben

2. Wie kannst du die Modelle auf dem Hub verwalten?

Durch einen GCP-Account. Durch Peer-to-Peer-Verteilung. Durch git und git-lfs.

3. Was kannst du mit der Hugging Face Hub-Weboberfläche tun?

Ein vorhandenes Repository forken. Ein neues Modell-Repository erstellen. Dateien editieren und verwalten. Dateien hochladen. Unterschiede zwischen Versionen sehen.

4. Was ist eine Modellkarte?

Eine grobe Beschreibung des Modells, daher weniger wichtig als die Modell- und Tokenizer-Dateien. Eine Möglichkeit, Reproduzierbarkeit, Wiederverwendbarkeit und Fairness sicherzustellen. Eine Python-Datei, die ausgeführt werden kann, um Informationen zum Modell zu holen

5. Welche dieser Objekte der 🤗 Transformers-Bibliothek können mit push_to_hub() direkt auf dem Hub geteilt werden?

Ein Tokenizer Eine Modell-Konfiguration Ein Model Ein Trainer

6. Was ist der erste Schritt bei Verwendung der Methode push_to_hub() oder der CLI-Tools?

Login auf der Website. 'huggingface-cli login' im Terminal auszuführen. 'notebook_login()' im Notebook auszuführen.

7. Du verwendest ein Modell und einen Tokenizer – wie kannst du diese auf den Hub hochladen?

Mittels der push_to_hub Methode direkt auf dem Model und dem Tokenizer. Innerhalb der Python-Runtime, indem man sie in ein huggingface_hub-Dienstprogramm einschließt. Indem du sie auf der Festplatte speicherst und transformers-cli upload-model aufrufst

8. Welche Git-Operationen kann man mit der Klasse „Repository“ ausführen?

Ein Commit. Ein Pull Ein Push Ein Merge

Update on GitHub

←Teil 1 abgeschlossen! Wörterverzeichnis→

Quiz am Ende des Kapitels 1. Auf welche Modelle sind die Hub-Modelle beschränkt?2. Wie kannst du die Modelle auf dem Hub verwalten?3. Was kannst du mit der Hugging Face Hub-Weboberfläche tun?4. Was ist eine Modellkarte?5. Welche dieser Objekte der 🤗 Transformers-Bibliothek können mit push_to_hub() direkt auf dem Hub geteilt werden?6. Was ist der erste Schritt bei Verwendung der Methode push_to_hub() oder der CLI-Tools?7. Du verwendest ein Modell und einen Tokenizer – wie kannst du diese auf den Hub hochladen?8. Welche Git-Operationen kann man mit der Klasse „Repository“ ausführen?