Buckets:

|
download
raw
15.4 kB

درخواست کمک در انجمن‌ها[[asking-for-help-on-the-forums]]

<CourseFloatingBanner chapter={8} classNames="absolute z-10 right-0 top-0" notebooks={[ {label: "Google Colab", value: "https://colab.research.google.com/github/huggingface/notebooks/blob/master/course/en/chapter8/section3.ipynb"}, {label: "Aws Studio", value: "https://studiolab.sagemaker.aws/import/github/huggingface/notebooks/blob/master/course/en/chapter8/section3.ipynb"}, ]} />

انجمن‌های هاگینگ‌فیس مکان بسیار خوبی برای دریافت کمک از تیم متن‌باز و جامعه‌ی گسترده‌تر هاگینگ‌فیس هستند. صفحه‌ی اصلی انجمن در یک روز معمولی چیزی شبیه تصویر زیر است:

در سمت چپ می‌توانید دسته‌بندی‌هایی را ببینید که موضوع‌های مختلف در آن‌ها گروه‌بندی شده‌اند و سمت راست جدیدترین موضوع‌ها را نشان می‌دهد. موضوع پستی است که عنوان، دسته‌بندی و توضیح دارد؛ چیزی بسیار شبیه issueهای گیت‌هاب که هنگام ساخت دیتاسِت خودمان در فصل ۵ دیدیم. همان‌طور که از نامش پیداست، دسته‌بندی مبتدیان عمدتاً برای افرادی است که تازه کار با کتابخانه‌ها و اکوسیستم هاگینگ‌فیس را شروع کرده‌اند. هر پرسشی درباره‌ی هر یک از کتابخانه‌ها در آنجا پذیرفته است؛ چه برای اشکال‌زدایی کد و چه برای درخواست راهنمایی درباره‌ی انجام کاری. (البته اگر پرسشتان به یک کتابخانه‌ی خاص مربوط است، بهتر است به دسته‌بندی همان کتابخانه در انجمن بروید.)

به‌طور مشابه، دسته‌بندی‌های متوسط و پژوهش برای پرسش‌های پیشرفته‌تر هستند؛ مثلاً درباره‌ی کتابخانه‌ها یا پژوهش جدید و جالبی در NLP که می‌خواهید درباره‌اش گفت‌وگو کنید.

و طبیعتاً، باید به دسته‌بندی دوره هم اشاره کنیم، جایی که می‌توانید هر سوالی که مربوط به دوره هاگینگ‌فِیس دارید را بپرسید!

پس از انتخاب دسته‌بندی، آماده‌اید نخستین موضوع خود را بنویسید. در انجمن راهنماهایی برای این کار وجود دارد و در این بخش چند قابلیت سازنده‌ی یک موضوع خوب را بررسی می‌کنیم.

نوشتن یک پست خوب در انجمن[[writing-a-good-forum-post]]

برای مثال، فرض کنید می‌خواهیم از مقاله‌های ویکی‌پدیا embedding بسازیم تا یک موتور جست‌وجوی سفارشی ایجاد کنیم. طبق معمول، توکن‌ساز و مدل را به شکل زیر بارگذاری می‌کنیم:

from transformers import AutoTokenizer, AutoModel

model_checkpoint = "distilbert-base-uncased"
tokenizer = AutoTokenizer.from_pretrained(model_checkpoint)
model = AutoModel.from_pretrained(model_checkpoint)

حالا فرض کنید می‌خواهیم یک بخش کامل از مقاله‌ی ویکی‌پدیا درباره‌ی ترنسفورمرها را embedding کنیم (منظور مجموعه‌ی فیلم‌هاست، نه کتابخانه!):

text = """
Generation One is a retroactive term for the Transformers characters that
appeared between 1984 and 1993. The Transformers began with the 1980s Japanese
toy lines Micro Change and Diaclone. They presented robots able to transform
into everyday vehicles, electronic items or weapons. Hasbro bought the Micro
Change and Diaclone toys, and partnered with Takara. Marvel Comics was hired by
Hasbro to create the backstory; editor-in-chief Jim Shooter wrote an overall
story, and gave the task of creating the characthers to writer Dennis O'Neil.
Unhappy with O'Neil's work (although O'Neil created the name "Optimus Prime"),
Shooter chose Bob Budiansky to create the characters.

The Transformers mecha were largely designed by Shōji Kawamori, the creator of
the Japanese mecha anime franchise Macross (which was adapted into the Robotech
franchise in North America). Kawamori came up with the idea of transforming
mechs while working on the Diaclone and Macross franchises in the early 1980s
(such as the VF-1 Valkyrie in Macross and Robotech), with his Diaclone mechs
later providing the basis for Transformers.

The primary concept of Generation One is that the heroic Optimus Prime, the
villainous Megatron, and their finest soldiers crash land on pre-historic Earth
in the Ark and the Nemesis before awakening in 1985, Cybertron hurtling through
the Neutral zone as an effect of the war. The Marvel comic was originally part
of the main Marvel Universe, with appearances from Spider-Man and Nick Fury,
plus some cameos, as well as a visit to the Savage Land.

The Transformers TV series began around the same time. Produced by Sunbow
Productions and Marvel Productions, later Hasbro Productions, from the start it
contradicted Budiansky's backstories. The TV series shows the Autobots looking
for new energy sources, and crash landing as the Decepticons attack. Marvel
interpreted the Autobots as destroying a rogue asteroid approaching Cybertron.
Shockwave is loyal to Megatron in the TV series, keeping Cybertron in a
stalemate during his absence, but in the comic book he attempts to take command
of the Decepticons. The TV series would also differ wildly from the origins
Budiansky had created for the Dinobots, the Decepticon turned Autobot Jetfire
(known as Skyfire on TV), the Constructicons (who combine to form
Devastator),[19][20] and Omega Supreme. The Marvel comic establishes early on
that Prime wields the Creation Matrix, which gives life to machines. In the
second season, the two-part episode The Key to Vector Sigma introduced the
ancient Vector Sigma computer, which served the same original purpose as the
Creation Matrix (giving life to Transformers), and its guardian Alpha Trion.
"""

inputs = tokenizer(text, return_tensors="pt")
logits = model(**inputs).logits
IndexError: index out of range in self

ای وای، به مشکل خوردیم—پیام خطا بسیار رمزآلودتر از خطاهایی است که در بخش ۲ دیدیم! از traceback کامل سر درنمی‌آوریم، پس تصمیم می‌گیریم برای کمک به انجمن‌های هاگینگ‌فیس مراجعه کنیم. چگونه باید موضوع را مطرح کنیم؟

برای شروع، باید روی دکمه‌ی «New Topic» در گوشه‌ی بالا سمت راست کلیک کنیم (توجه کنید که برای ایجاد موضوع باید وارد حساب شده باشیم):

با این کار، رابطی برای نوشتن باز می‌شود که در آن می‌توانیم عنوان موضوع را وارد کنیم، دسته‌بندی را انتخاب کنیم و محتوا را بنویسیم:

از آنجا که به نظر می‌رسد خطا منحصراً به 🤗 ترنسفورمرها مربوط است، همین گزینه را برای دسته‌بندی انتخاب می‌کنیم. نخستین تلاشمان برای توضیح مشکل ممکن است چیزی شبیه این باشد:

اگرچه این تاپیک حاوی پیام خطایی است که در مورد آن به کمک نیاز داریم، اما چند مشکل در نحوه نگارش آن وجود دارد:

۱. عنوان خیلی توصیفی نیست، بنابراین هر کسی که در انجمن جستجو کند، بدون خواندن متن اصلی نمی‌تواند تشخیص دهد که موضوع در مورد چیست. ۲. متن اصلی اطلاعات کافی درباره‌ی محل وقوع خطا و نحوه‌ی بازتولید آن ارائه نمی‌کند. ۳. موضوع، چند نفر را مستقیماً و با لحنی تاحدی مطالبه‌گر تگ می‌کند.

موضوعاتی مثل این بعید است که به سرعت به پاسخ برسند (اگر اصلاً پاسخی دریافت کنند)، بنابراین بیایید ببینیم چگونه می‌توانیم آن را بهبود بخشیم. با اولین مورد انتخاب یک عنوان خوب شروع خواهیم کرد.

انتخاب عنوانی توصیفی[[choosing-a-descriptive-title]]

اگر برای اشکالی در کدتان کمک می‌خواهید، قاعده‌ی کلی خوب این است که در عنوان اطلاعات کافی بگنجانید تا دیگران سریع تشخیص دهند آیا می‌توانند به پرسشتان پاسخ دهند یا نه. در مثال ما، نام استثنای ایجادشده را می‌دانیم و سرنخ‌هایی داریم که نشان می‌دهد خطا در گذر رو به جلوِ مدل رخ می‌دهد؛ جایی که model(**inputs) را فراخوانی می‌کنیم. برای انتقال این موضوع، یکی از عنوان‌های ممکن چنین است:

منبع خطای IndexError در پاس رو به جلوی AutoModel چیست؟

این عنوان به خواننده می‌گوید فکر می‌کنید خطا از کجا می‌آید و اگر قبلاً با IndexError روبه‌رو شده باشد، احتمالاً می‌داند چگونه آن را اشکال‌زدایی کند. البته عنوان می‌تواند هر چیزی باشد و گزینه‌های دیگری مانند این هم مناسب‌اند:

چرا مدل من یک IndexError تولید می‌کند؟

حالا که عنوانی توصیفی داریم، بیایید به بهبود متن اصلی بپردازیم.

قالب‌بندی قطعه کدهای شما[[formatting-your-code-snippets]]

خواندن کد منبع در یک IDE به‌اندازه‌ی کافی دشوار است، اما وقتی کد به‌صورت متن ساده کپی و جای‌گذاری شود دشوارتر هم می‌شود! خوشبختانه انجمن‌های هاگینگ‌فیس از Markdown پشتیبانی می‌کنند؛ بنابراین همیشه بلوک‌های کد را با سه بک‌تیک (```) دربر بگیرید تا خوانایی بیشتری داشته باشند. بیایید پیام خطا را مرتب کنیم و هم‌زمان متن اصلی را کمی مؤدبانه‌تر بنویسیم:

همان‌طور که در تصویر می‌بینید، دربرگرفتن بلوک‌های کد با بک‌تیک، متن خام را به کدی قالب‌بندی‌شده و رنگی تبدیل می‌کند! همچنین توجه کنید که می‌توان از بک‌تیک‌های تکی برای قالب‌بندی متغیرهای درون‌خطی، مانند distilbert-base-uncased، استفاده کرد. این موضوع حالا بسیار بهتر به نظر می‌رسد و شاید با کمی شانس کسی در جامعه بتواند حدس بزند خطا درباره‌ی چیست. اما به‌جای تکیه بر شانس، با افزودن traceback در تمام جزئیاتش کار را برای دیگران آسان‌تر کنیم!

گنجاندن traceback کامل[[including-the-full-traceback]]

از آنجا که آخرین خط traceback اغلب برای اشکال‌زدایی کد خودتان کافی است، ممکن است وسوسه شوید برای «صرفه‌جویی در فضا» فقط همان را در موضوع قرار دهید. با اینکه نیت خوبی دارد، این کار اشکال‌زدایی مشکل را برای دیگران دشوارتر می‌کند، چون اطلاعات بخش‌های بالاتر traceback نیز می‌تواند بسیار مفید باشد. بنابراین، بهتر است کل traceback را کپی و جای‌گذاری کنید و مطمئن شوید که به‌خوبی قالب‌بندی شده است. از آنجا که tracebackها ممکن است طولانی باشند، بعضی افراد ترجیح می‌دهند آن‌ها را بعد از توضیح کد منبع نشان دهند. بیایید همین کار را انجام دهیم. اکنون موضوع انجمن ما شبیه زیر است:

این بسیار آموزنده‌تر است، و یک خواننده دقیق ممکن است بتواند به این نکته اشاره کند که به نظر می‌رسد مشکل به دلیل ارسال یک ورودی طولانی به دلیل این خط در traceback است:

طول توالی شاخص‌های توکن از حداکثر طول توالی مشخص شده برای این مدل (583 > 512) بیشتر است.

بااین‌حال، می‌توانیم کار را برای آن‌ها آسان‌تر کنیم و کدی را که خطا را ایجاد کرده است ارائه دهیم. بیایید همین حالا این کار را انجام دهیم.

ارائه‌ی یک مثال قابل‌بازتولید[[providing-a-reproducible-example]]

اگر تا به حال تلاش کرده باشید کد شخص دیگری را اشکال‌زدایی کنید، احتمالاً ابتدا سعی کرده‌اید مشکلی را که گزارش کرده بازسازی کنید تا بتوانید traceback را مرحله‌به‌مرحله دنبال کرده و خطا را مشخص کنید. دریافت یا ارائه‌ی کمک در انجمن‌ها نیز همین‌طور است؛ بنابراین اگر مثال کوچکی ارائه کنید که خطا را بازتولید کند، بسیار کمک‌کننده خواهد بود. نیمی از مواقع، همین تمرین به شما کمک می‌کند بفهمید چه چیزی اشتباه است. در هر صورت، بخش گمشده‌ی مثال ما نشان‌دادن ورودی‌هایی است که به مدل داده‌ایم. با این کار، مثال کامل‌شده‌ای مانند زیر خواهیم داشت:

این موضوع اکنون اطلاعات زیادی دارد و به شکلی نوشته شده است که احتمال جلب توجه جامعه و دریافت پاسخی مفید را بسیار بیشتر می‌کند. با این دستورالعمل‌های پایه، حالا می‌توانید برای یافتن پاسخ پرسش‌های خود درباره‌ی 🤗 ترنسفورمرها موضوع‌های خوبی ایجاد کنید!

Xet Storage Details

Size:
15.4 kB
·
Xet hash:
d22735e4c6d4902cb277695ea791de36e2f637ad25b82afb7e7667befc9dfc06

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.