Transformers documentation
Topluluk
Başlayın
Taban sınıfları
Modeller
Önişleyiciler
Çıkarım
Pipeline API
Generate API
Optimizasyon
Modellerle sohbet edin
Sunum
Eğitim
Donanım
Kantizasyon
Ekosistem entegrasyonları
Kaynaklar
Göre tarifleri
API
You are viewing main version, which requires installation from source. If you'd like
regular pip install, checkout the latest stable version (v5.22.1).
Topluluk
Bu sayfa, topluluk tarafından geliştirilen 🤗 Transformers etrafındaki kaynakları bir araya getirir.
Topluluk kaynakları
| Kaynak | Açıklama | Yazar |
|---|---|---|
| Hugging Face Transformers Sözlük Kartları | Transformers Docs Glossary'ye dayalı bir kart seti, uzun vadeli bilgi tutumuna özel olarak tasarlanmış açık kaynaklı ve platformlar arası bir uygulama olan Anki ile kolayca öğrenilebilecek/tekrar edilebilecek bir forma dönüştürülmüştür. Kartların nasıl kullanılacağına dair bu Giriş videosuna göz atın. | Darigov Research |
Topluluk defterleri
| Notebook | Açıklama | Yazar | |
|---|---|---|---|
| Önceden eğitilmiş bir Transformer'ı söz üretmek için ince ayar yapın | Sevdiğiniz sanatçının tarzında sözler üretmek için bir GPT-2 modelini ince ayar yapma | Aleksey Korshuk | |
| T5'i TPU üzerinde eğitin | Transformers ve Nlp ile SQUAD üzerinde T5 eğitimi | Suraj Patil | |
| Sınıflandırma ve Çoktan Seçmeli Sorular için T5'i İnce Ayarlayın | PyTorch Lightning ile metinden-metne formatını kullanarak T5'i sınıflandırma ve çoktan seçmeli görevler için ince ayar yapma | Suraj Patil | |
| DialoGPT'yi Yeni Veri Setleri ve Dillerde İnce Ayarlayın | Açık diyalog sohbet robotları için yeni bir veri setinde DialoGPT modelini ince ayar yapma | Nathan Cooper | |
| Reformer ile Uzun Dizi Modelleme | Reformer ile 500.000 token'a kadar uzunlukta diziler üzerinde nasıl eğitim yapılır | Patrick von Platen | |
| BART'ı Özetleme İçin İnce Ayarlayın | blurr kullanarak fastai ile BART'ı özetleme için ince ayar yapma | Wayde Gilliam | |
| Herhangi birinin tweet'leri üzerinde önceden eğitilmiş bir Transformer'ı ince ayarlayın | GPT-2 modelini ince ayarlayarak favori Twitter hesabınızın tarzında tweetler üretme | Boris Dayma | |
| Weights & Biases ile 🤗 Hugging Face modellerini optimize edin | Hugging Face ile W&B entegrasyonunu gösteren eksiksiz bir öğretici | Boris Dayma | |
| Longformer'ı Ön Eğitin | Mevcut önceden eğitilmiş modellerin “uzun” sürümünü nasıl oluşturulur | Iz Beltagy | |
| Longformer'ı QA için ince ayar yapın | QA görevi için longformer modelini ince ayar yapma | Suraj Patil | |
| 🤗nlp ile Modeli Değerlendir | TriviaQA üzerinde longformer'ı nlp ile nasıl değerlendirilir | Patrick von Platen | |
| T5'i Duygu Aralığı Çıkarımı için İnce Ayarlayın | PyTorch Lightning ile metinden-metne formatında duygu aralığı çıkarımı için T5'i nasıl ince ayar yapabilirsiniz | Lorenzo Ampil | |
| DistilBert'i Çok Sınıflı Sınıflandırma İçin İnce Ayarlayın | PyTorch ile DistilBert'yi çok sınıflı sınıflandırma için ince ayar yapma | Abhishek Kumar Mishra | |
| BERT'yi Çok Etiketli Sınıflandırma için İnce Ayarlayın | PyTorch kullanarak BERT'yi çok etiketli sınıflandırma için ince ayar yapma | Abhishek Kumar Mishra | |
| T5'i Özetleme İçin İnce Ayarlayın | PyTorch ile T5'i özetleme için ince ayar yapma ve deneyleri WandB ile izleme | Abhishek Kumar Mishra | |
| Transformers'ta Dinamik Dolgu / Kovalama ile İnce Ayarlamayı Hızlandırma | Dinamik dolgu / sepetleme kullanarak ince ayarı 2 kat hızlandırma | Michael Benesty | |
| Masked Dil Modellemesi için Reformer'ı Ön Eğitin | Çift yönlü öz-dikkat katmanlarına sahip bir Reformer modeli nasıl eğitilir | Patrick von Platen | |
| Sci-BERT'yi Genişlet ve İnce Ayarla | AllenAI'nin CORD veri setinde önceden eğitilmiş SciBERT modelinin sözlüğünü nasıl artırıp hattaya (pipeline) bağlayabilirsiniz. | Tanmay Thakur | |
| Trainer API ile BlenderBotSmall'ı Özetleme İçin İnce Ayarlayın | Özel bir veri setinde özetleme için Trainer API kullanarak BlenderBotSmall'ı nasıl ince ayar yapabilirsiniz. | Tanmay Thakur | |
| Electra'yı ince ayarlayın ve Integrated Gradients ile yorumlayın | Electra'yı duygu analizi için ince ayar yapma ve Captum Integrated Gradients ile tahminleri yorumlama | Eliza Szczechla | |
| Trainer sınıfı ile İngilizce olmayan bir GPT-2 Modelini ince ayar yapın | Trainer sınıfı ile İngilizce olmayan bir GPT-2 Modelini ince ayar yapma | Philipp Schmid | |
| Çok Etiketli Sınıflandırma Görevi için DistilBERT Modeli Ayarlama | Çok Etiketli Sınıflandırma Görevi için DistilBERT Modelini İnce Ayar Yapma | Dhaval Taunk | |
| Cümle çifti sınıflandırma için ALBERT'i ince ayarlayın | Bir ALBERT modeli veya başka bir BERT tabanlı modelin cümle çifti sınıflandırma görevi için nasıl ince ayar yapılacağı | Nadir El Manouzi | |
| Roberta'yı duygu analizi için ince ayar yapın | Bir Roberta modelini duygu analizi için ince ayar yapma | Dhaval Taunk | |
| Soru Üretme Modellerinin Değerlendirilmesi | seq2seq dönüştürücü modelinizin ürettiği sorulara verilen yanıtların doğruluğu nedir? | Pascal Zoleko | |
| CNN/Dailymail üzerinde Kodlayıcı-Çözücü Özetleme için BERT'i Kullanın | CNN/Dailymail üzerinde özetleme için EncoderDecoderModel'i google-bert/bert-base-uncased kontrol noktasıyla nasıl ısıtılıp başlatılır | Patrick von Platen | |
| BBC XSum üzerinde Kodlayıcı-Çözücü Özetleme için RoBERTa'yı Kullanın | BBC/XSum üzerinde özetleme için paylaşılan bir EncoderDecoderModel'i FacebookAI/roberta-base kontrol noktasıyla nasıl ısıtılıp başlatılır | Patrick von Platen | |
| Sıralı Soru Cevaplama (SQA) üzerinde TAPAS'ı ince ayarlayın | Sequential Question Answering (SQA) veri setinde tapas-base kontrol noktası ile TapasForQuestionAnswering'yi nasıl ince ayar yapabilirsiniz | Niels Rogge | |
| TAPAS'ı Tablo Gerçeklik Kontrolünde (TabFact) Değerlendirme | 🤗 datasets ve 🤗 transformers kütüphanelerinin bir kombinasyonunu kullanarak tapas-base-finetuned-tabfact kontrol noktasıyla ince ayar yapılmış bir TapasForSequenceClassification'ın nasıl değerlendirileceği | Niels Rogge | |
| mBART'ı çeviri için ince ayar yapma | Hindice İngilizce çeviri için mBART'ı Seq2SeqTrainer ile nasıl ince ayar yapabilirsiniz | Vasudev Gupta | |
| FUNSD (bir form anlama veri seti) üzerinde LayoutLM'yi ince ayar yapın | Taranmış belgelerden bilgi çıkarımı için FUNSD veri setinde LayoutLMForTokenClassification modelini nasıl ince ayar yapabilirsiniz | Niels Rogge | |
| DistilGPT2'yi İnce Ayarlayın ve Metin Üretin | DistilGPT2'yi ince ayar yapma ve metin oluşturma | Aakash Tripathi | |
| LED'yi en fazla 8K jeton üzerinde ince ayar yapın | LED modelini pubmed üzerinde uzun menzilli özetleme için nasıl ince ayar yapabilirsiniz | Patrick von Platen | |
| Arxiv'de LED'i Değerlendirin | LED'in uzun menzilli özetlemede nasıl etkili bir şekilde değerlendirileceği | Patrick von Platen | |
| LayoutLM'yi RVL-CDIP üzerinde ince ayar yapın (bir belge görüntüsü sınıflandırma veri seti) | Taranmış belge sınıflandırma için RVL-CDIP veri setinde LayoutLMForSequenceClassification'ı nasıl ince ayar yapabilirsiniz | Niels Rogge | |
| GPT2 ayarı ile Wav2Vec2 CTC çözme | Dil modeli ayarı ile CTC dizisini nasıl çözüleceği | Eric Lam | |
| Trainer sınıfı ile BART'ı iki dilde özetleme için ince ayar yapın | Trainer sınıfı ile BART'ı iki dilde özetleme için ince ayar yapma | Eliza Szczechla | |
| Trivia QA üzerinde Big Bird'yi Değerlendirin | Trivia QA'da uzun belge soru-cevap için BigBird'i nasıl değerlendirilir | Patrick von Platen | |
| Wav2Vec2 kullanarak video altyazıları oluşturma | Wav2Vec ile sesleri transkribe ederek herhangi bir videodan YouTube altyazıları oluşturma | Niklas Muennighoff | |
| PyTorch Lightning kullanarak Vision Transformer'ı CIFAR-10 üzerinde ince ayar yapın | HuggingFace Transformers, Datasets ve PyTorch Lightning kullanarak Vision Transformer (ViT)'yi CIFAR-10 üzerinde ince ayar yapma | Niels Rogge | |
| 🤗 Trainer kullanarak Vision Transformer'ı CIFAR-10 üzerinde ince ayar yapın | HuggingFace Transformers, Datasets ve 🤗 Trainer kullanarak CIFAR-10 üzerinde Vision Transformer'ı (ViT) nasıl ince ayar yapabilirsiniz | Niels Rogge | |
| LUKE'yi Open Entity adlı varlık sınıflandırma veri setinde değerlendirin | Open Entity veri setinde LukeForEntityClassification modelini nasıl değerlendirilir | Ikuya Yamada | |
| LUKE'yi TACRED adlı bir ilişki çıkarma veri setinde değerlendirin | TACRED veri setinde LukeForEntityPairClassification nasıl değerlendirilir | Ikuya Yamada | |
| LUKE'yi önemli bir NER benchmark'ı olan CoNLL-2003 üzerinde değerlendirin | CoNLL-2003 veri setinde LukeForEntitySpanClassification nasıl değerlendirilir | Ikuya Yamada | |
| BigBird-Pegasus'ı PubMed veri setinde değerlendirin | PubMed veri setinde BigBirdPegasusForConditionalGeneration modelini nasıl değerlendirilir | Vasudev Gupta | |
| Wav2Vec2 ile Konuşma Duygu Sınıflandırması | MEGA veri setinde Duygu Sınıflandırması için önceden eğitilmiş bir Wav2Vec2 modelinin nasıl kullanılabileceği | Mehrdad Farahani | |
| DETR ile bir görüntüdeki nesneleri algıla | Eğitilmiş bir DetrForObjectDetection modelini bir görüntüdeki nesneleri tespit etmek ve dikkat mekanizmasını görselleştirmek için nasıl kullanılır | Niels Rogge | |
| Özel bir nesne algılama veri setinde DETR'yi ince ayarlayın | Özel bir nesne algılama veri setinde DetrForObjectDetection modelini nasıl ince ayar yapabilirsiniz | Niels Rogge | |
| T5'i Adlandırılmış Varlık Tanıma için İnce Ayarlayın | T5'i Adlandırılmış Varlık Tanıma Görevinde İnce Ayar Yapma | Ogundepo Odunayo | |
| MLflow ve PEFT ile QLoRA Kullanarak Açık Kaynak LLM İnce Ayarı | QLoRA ve PEFT kullanarak bir LLM'i bellek verimli bir şekilde ince ayar yapma ve deney izlemesini yönetmek için MLflow kullanma | Yuki Watanabe |