LLM Course

0. 安装

1. Transformer 模型

2. 使用 🤗 Transformers

3. 微调一个预训练模型

4. 分享你的模型和标记器

5. 🤗 Datasets库

6. 🤗 Tokenizers库

7. 主要的 NLP 任务

8. 如何寻求帮助

9. 构建并分享你的模型

课程活动

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

章末小测试

让我们测试一下你在本章所学的知识！

模型需要来自🤗 Transformers 库。所有与🤗 Transformers 库接口类似的模型。没有限制。在某种程度上与 NLP 相关的模型。

通过 GCP 帐户。通过点对点分发。通过 git 和 git-lfs。

Fork 现有的存储库。创建一个新的模型库。管理和编辑文件。上传文件。看看不同版本的差异。

模型的粗略描述，因此不如模型和 tokenizer 文件重要。一种确保可复现性、可重用性和公平性的方法。一个 Python 文件，可以运行它来检索有关模型的信息。

tokenizer 模型的 Config 对象 Model 类 Trainer 类

在浏览器中登录网站。在终端中运行'huggingface-cli login'。在 Notebook 中运行'notebook_login ()'。

通过直接在模型和 tokenizer 上调用 push_to_hub 方法。在 Python 运行时中，使用 `huggingface_hub` 中的方法进行封装。将它们保存到磁盘并调用 `transformers-cli upload-model`

提交（commit）拉取（pull）推送（push）合并（merge）