course documentation
Introducción
0. Setup
1. Modelos de Transformadores
IntroducciónProcesamiento de Lenguaje NaturalTransformadores, ¿qué pueden hacer?¿Cómo funcionan los Transformadores?Modelos de codificadoresModelos de decodificadoresModelos secuencia a secuenciaSesgos y limitacionesResumenQuiz de final de capítulo
2. Usando Transformers 🤗
TokenizadoresManejando Secuencias MúltiplesPoniendo todo junto¡Haz completado el uso básico!Quiz de final de capítulo
3. Ajuste (fine-tuning) de un modelo preentrenado
IntroducciónProcesamiento de los datosAjuste de un modelo con la API TrainerAjuste de un modelo con KerasEntrenamiento completoAjuste de modelos, ¡hecho!Quiz de final de capítulo
5. La librería 🤗 Datasets
Introducción¿Y si mi dataset no está en el Hub?Es momento de subdividir¿Big data? 🤗 ¡Datasets al rescate!Crea tu propio datasetBúsqueda semántica con FAISS🤗 Datasets, ¡listo!Quiz de final de capítulo
6. La librería 🤗 Tokenizers
IntroducciónEntrenar un nuevo tokenizador a partir de uno existenteLos poderes especiales de los Tokenizadores Rápidos (Fast tokenizers)Tokenizadores Rápidos en un Pipeline de Question-AnsweringNormalización y pre-tokenizaciónTokenización por Codificación Byte-PairTokenización WordPieceTokenización UnigramConstruir un tokenizador, bloque por bloqueTokenizadores, listo!Quiz de final de capítulo
8. ¿Cómo solicitar ayuda?
Glosario
Introducción
En el Capítulo 2 exploramos cómo usar los tokenizadores y modelos preentrenados para realizar predicciones. Pero, ¿qué pasa si deseas ajustar un modelo preentrenado con tu propio conjunto de datos?
- Cómo preparar un conjunto de datos grande desde el Hub.
- Cómo usar la API de alto nivel del entrenador para ajustar un modelo.
- Cómo usar un bucle personalizado de entrenamiento.
- Cómo aprovechar la librería 🤗 Accelerate para fácilmente ejecutar el bucle personalizado de entrenamiento en cualquier configuración distribuida.
Para subir tus puntos de control (checkpoints) en el Hub de Hugging Face, necesitas una cuenta en huggingface.co: crea una cuenta
Update on GitHub