1. Aprende
    2. /
  2. Cursos
    3. /
  3. Trabajar con Cara Abrazada
  • 1

    Primeros pasos con Cara Abrazada

    Gratuito

    Comienza tu viaje con la plataforma Hugging Face comprendiendo qué es Hugging Face y los casos de uso más comunes. A continuación, conocerás el Hugging Face Hub, incluidos los modelos y conjuntos de datos disponibles, cómo buscarlos, navegar por el modelo o conjunto de datos, las fichas y descargarlos. Por último, conocerás los componentes de alto nivel de los transformadores y los LLM.

  • 2

    Construir tuberías con Cara de Abrazo

    ¡Es hora de sumergirse en el ecosistema de Cara Abrazada! Empezarás aprendiendo los fundamentos del módulo pipeline y las clases Auto de la biblioteca de transformadores. A continuación, aprenderás a alto nivel qué es el procesamiento del lenguaje natural y la tokenización. Por último, empezarás a utilizar el módulo de canalización para varias tareas basadas en texto, incluida la clasificación de textos.

  • 3

    Construir tuberías para imagen y audio

    En este capítulo, aplicarás metodologías de canalización a nuevas tareas utilizando datos de imagen y audio. En concreto, aprenderás formas de procesar este tipo de datos para preparar tareas como la clasificación, la formulación de preguntas y respuestas y el reconocimiento automático del habla.

  • 4

    Ajuste fino e incrustaciones

    Explora los distintos marcos para el ajuste fino, la generación de texto y las incrustaciones. Empieza por lo básico: ajustar un modelo preentrenado en un conjunto de datos y una tarea específicos para mejorar el rendimiento. Después, utiliza las clases automáticas para generar el texto a partir de las indicaciones y las imágenes. Por último, explorarás cómo generar y utilizar incrustaciones.

Initializing

Ejercicio

Utilizar Autoclases

Las Autoclases ofrecen más control para las tareas de aprendizaje automático, y también pueden utilizarse con pipeline() para una aplicación rápida. Es un buen equilibrio entre control y comodidad.

Continúa con la tarea de análisis de sentimientos y combina las Autoclases con el módulo de canalización.

AutoModelForSequenceClassification y AutoTokenizer de la biblioteca transformers ya se han importado para ti y el texto de entrada se guarda como input.

Instrucciones

100 XP
  • Descarga el modelo y el tokenizador para "distilbert-base-uncased-finetuned-sst-2-english" y guárdalos como model y tokenizer, respectivamente.
  • Crea la tubería utilizando model y tokenizer y guárdala como sentimentAnalysis.
  • Predice el resultado utilizando sentimentAnalysis y guárdalo como output.