LLM Course

0. Configuration

1. Les transformers

2. Utilisation de 🤗 Transformers

3. Finetuner un modèle pré-entraîné

Introduction Préparer les données Finetuner un modèle avec l'API Trainer API ou Keras Un entraînement complet Finetuning, coché !Quiz de fin de chapitre

4. Partager des modèles et des tokenizers

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

<i> Finetuning </i> , coché !

C’était amusant ! Dans les deux premiers chapitres, vous avez appris à connaître les modèles et les tokenizers, et vous savez maintenant comment les finetuner pour vos propres données. Pour récapituler, dans ce chapitre vous :

avez appris à connaître les jeux de données dans le Hub,
avez appris à charger et à prétraiter des jeux de données, notamment en utilisant le remplissage dynamique et les assembleurs,
avez implémenté votre propre finetuning et évaluation d’un modèle,
avez implémenté une boucle d’entraînement de niveau inférieur,
avez utilisé 🤗 Accelerate pour adapter facilement votre boucle d’entraînement afin qu’elle fonctionne pour plusieurs GPUs ou TPUs.

Update on GitHub

←Un entraînement complet Quiz de fin de chapitre→