Buckets:
🤗 Datasets، تمام![[datasets-check]]
خب، در کتابخانهی 🤗 Datasets گشتوگذار کاملی داشتیم — بابت اینکه تا اینجا پیش آمدید تبریک میگوییم! با دانشی که از این فصل به دست آوردهاید، باید بتوانید:
- دیتاستها را از هر جایی بارگذاری کنید؛ چه از هاب هاگینگفِیس، لپتاپ خودتان یا یک سرور راه دور در شرکتتان.
- دادههای خود را با ترکیبی از توابع
Dataset.map()وDataset.filter()سامان دهید. - با استفاده از
Dataset.set_format()بهسرعت بین قالبهای دادهای مانند Pandas و NumPy جابهجا شوید. - دیتاست خودتان را بسازید و آن را به هاب هاگینگفِیس push کنید.
- سندهای خود را با استفاده از یک مدل ترنسفورمر به embedding تبدیل کنید و با FAISS یک موتور جستوجوی معنایی بسازید.
در فصل ۷، از همهی این مهارتها بهخوبی استفاده میکنیم و بهطور عمیق سراغ وظایف اصلی NLP میرویم که مدلهای ترنسفورمر در انجامشان عالی هستند. بااینحال، پیش از رفتن به فصل بعد، دانستههای خود دربارهی 🤗 Datasets را با یک آزمون کوتاه محک بزنید!
Xet Storage Details
- Size:
- 1.67 kB
- Xet hash:
- 5017e7f883781fbbc4681edfe3293a5607a5d0f900176d80485175975185ab76
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.