LLM Course

0. 安裝

1. Transformer 模型

2. 使用 🤗 Transformers

3. 微調一個預訓練模型

4. 分享你的模型和標記器

5. 🤗 Datasets庫

6. 🤗 Tokenizers庫

7. 主要的 NLP 任務

8. 如何尋求幫助

9. 構建並分享你的模型

課程活動

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

章末小測試

讓我們測試一下你在本章所學的知識！

模型來自🤗 Transformers 庫。所有型號都有類似於🤗 Transformers 的接口。沒有限制。在某種程度上與 NLP 相關的模型。

通過 GCP 帳戶。通過點對點分佈。通過 git 和 git-lfs。

分叉現有的存儲庫。創建一個新的模型庫。管理和編輯文件。上傳文件。看看不同版本的差異。

模型的粗略描述，因此不如模型和標記器文件重要。一種確保再現性、可重用性和公平性的方法。一個 Python 文件，可以運行它來檢索有關模型的信息。

一個標記器模型配置一個模型 Trainer

登錄網站。在終端中運行'huggingface-cli login'。在筆記本中運行'notebook _ login ()'。

通過直接在模型和標記器上調用 push _ to _ hub 方法。在 Python 運行時中，將它們包裝在huggingface _ hub實用程序中。將它們保存到磁盤並調用 < code > transformers-cli upload-model

提交。拉一下推一下合併