Models
Datasets
Spaces
Buckets new
Docs
Enterprise
免费去水印
- Website
- Community
- Solutions
Log In
Sign Up

LLM Course documentation

Quiz de fin de chapitre

LLM Course

0. Configuration

1. Les transformers

2. Utilisation de 🤗 Transformers

3. Finetuner un modèle pré-entraîné

4. Partager des modèles et des tokenizers

Le Hub d'Hugging Face Utilisation de modèles pré-entraînés Partager des modèles pré-entraînés Créer une carte de modèle Partie 1 terminée !Quiz de fin de chapitre

5. La bibliothèque 🤗 Datasets

6. La bibliothèque 🤗 Tokenizer

7. Les principales tâches en NLP

8. Comment demander de l'aide

9. Construire et partager des démos

Evènements liés au cours

Glossaire

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 de fin de chapitre

Testons ce que vous avez appris dans ce chapitre !

1. A quoi sont limités les modèles du Hub ?

Aux modèles de la bibliothèque 🤗 Transformers. Tous les modèles avec une interface similaire à 🤗 Transformers. Il n'y a pas de limites. Des modèles qui sont d'une certaine manière liés au NLP.

2. Comment pouvez-vous gérer les modèles sur le Hub ?

Par le biais d'un compte GCP. Grâce à la distribution pair à pair. Par le biais de git et git-lfs.

3. Que pouvez-vous faire en utilisant l’interface web du Hub ?

« Forker » un dépôt existant. Créer un nouveau dépôt de modèles. Gérer et modifier des fichiers. Télécharger des fichiers. Voir les différences entre les versions.

4. Qu’est-ce qu’une carte de modèle ?

Une description approximative du modèle, donc moins importante que les fichiers du modèle et du tokenizer. Un moyen d'assurer la reproductibilité, la réutilisation et l'équité.. Un fichier Python qui peut être exécuté pour récupérer des informations sur le modèle.

5. Lesquels de ces objets de la bibliothèque 🤗 Transformers peuvent être directement partagés sur le Hub avec push_to_hub() ?

Un tokenizer Une configuration de modèle Un modèle Trainer

6. Quelle est la première étape lorsqu’on utilise la méthode push_to_hub() ou les outils CLI ?

Se connecter sur le site web. Exécuter 'huggingface-cli login' dans un terminal. Exécuter 'notebook_login()' dans un notebook.

7. Vous utilisez un modèle et un tokenizer , comment pouvez-vous les télécharger sur le Hub ?

En appelant la méthode push_to_hub directement sur le modèle et le tokenizer. Au sein du moteur d'exécution Python, en les enveloppant dans une balise huggingface_hub. En les sauvegardant sur le disque et en appelant transformers-cli upload-model.

8. Quelles opérations git pouvez-vous faire avec la classe Repository ?

Un commit. Un pull. Un push. Un merge.

Update on GitHub

←Partie 1 terminée !

Quiz de fin de chapitre 1. A quoi sont limités les modèles du Hub ?2. Comment pouvez-vous gérer les modèles sur le Hub ?3. Que pouvez-vous faire en utilisant l’interface web du Hub ?4. Qu’est-ce qu’une carte de modèle ?5. Lesquels de ces objets de la bibliothèque 🤗 Transformers peuvent être directement partagés sur le Hub avec push_to_hub() ?6. Quelle est la première étape lorsqu’on utilise la méthode push_to_hub() ou les outils CLI ?7. Vous utilisez un modèle et un tokenizer , comment pouvez-vous les télécharger sur le Hub ?8. Quelles opérations git pouvez-vous faire avec la classe Repository ?

Free Tool

Free AI Image Generator

Create images in seconds. No sign-up, no paywall, no setup.

No Sign-Up
Instant Results
Ready to Use

Great for posters, avatars, covers, and social visuals.

Free AI Image Generator No sign-up. Instant results. Open Now