Transformers documentation
المجتمع
ابدأ الآن
الفئات الأساسية
النماذج
المعالجات المسبقة
الاستدلال
واجهة برمجة التطبيقات Pipeline
توليد واجهة برمجة التطبيقات
التحسين
التحدث مع النماذج
التقديم
التدريب
الأجهزة
التكميم
التكاملات مع النظام البيئي
الموارد
واجهة برمجة التطبيقات
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).
المجتمع
تجمع هذه الصفحة الموارد المتعلقة بـ 🤗 Transformers التي طوّرها المجتمع.
موارد المجتمع
| الموارد | الوصف | المؤلف |
|---|---|---|
| بطاقات المصطلحات السريعة لمكتبة Transformers من Hugging Face | مجموعة من البطاقات التعليمية المستندة إلى مفردات مستندات Transformers، وقد صيغت في شكل يسهل تعلمه ومراجعته باستخدام Anki، وهو تطبيق مفتوح المصدر ومتعدد المنصات مصمم خصيصًا للحفاظ على المعرفة على المدى الطويل. شاهد هذا الفيديو التعريفي حول كيفية استخدام البطاقات التعليمية. | داريغوف ريسيرش |
دفاتر المجتمع
| دفتر ملاحظات | الوصف | المؤلف | |
|---|---|---|---|
| ضبط نموذج Transformer مُدرَّب مسبقًا لتوليد كلمات الأغاني | كيفية توليد كلمات أغاني بأسلوب فنانك المفضل من خلال ضبط نموذج GPT-2 | أليكسي كورشوك | |
| تدريب T5 على TPU | كيفية تدريب T5 على SQUAD باستخدام Transformers و Nlp | سوراج باتيل | |
| ضبط T5 الدقيق للتصنيف والخيارات المتعددة | كيفية ضبط نموذج T5 بشكل دقيق لمهام التصنيف والمهام متعددة الخيارات باستخدام صيغة نص إلى نص مع PyTorch Lightning | سوراج باتيل | |
| ضبط DialoGPT على مجموعات بيانات ولغات جديدة | كيفية ضبط نموذج DialoGPT على مجموعة بيانات جديدة لروبوتات المحادثة التفاعلية المفتوحة | ناتان كوبر | |
| نمذجة التسلسلات الطويلة باستخدام Reformer | كيفية التدريب على تسلسلات تصل إلى 500,000 رمز باستخدام Reformer | باتريك فون بلاتين | |
| ضبط BART الدقيق للتلخيص | كيف تُعدّل BART بشكل دقيق لتلخيص النصوص باستخدام fastai مع blurr | وايدي غيليام | |
| ضبط نموذج Transformer مُدرَّب مسبقًا على تغريدات أي شخص | كيفية توليد تغريدات بأسلوب حساب تويتر المفضل لديك من خلال ضبط نموذج GPT-2 | بوريس دايما | |
| تحسين نماذج 🤗 Hugging Face باستخدام Weights & Biases | دليل تعليمي كامل يعرض تكامل W&B مع Hugging Face | بوريس دايما | |
| التدريب المسبق لـ Longformer | كيفية بناء نسخة “طويلة” من نماذج مُسبقة التدريب الموجودة | Iz Beltagy | |
| ضبط Longformer بشكل دقيق للأسئلة والأجوبة | كيفية ضبط نموذج longformer بشكل دقيق لمهمة الإجابة عن الأسئلة | سوراج باتيل | |
| تقييم النموذج باستخدام 🤗nlp | كيفية تقييم longformer على TriviaQA باستخدام nlp | باتريك فون بلاتين | |
| ضبط T5 بدقة لاستخراج نطاقات المشاعر | كيفية ضبط نموذج T5 لاستخراج نطاقات المشاعر باستخدام صيغة نص إلى نص مع PyTorch Lightning | لورينزو أمبيل | |
| ضبط DistilBert بدقة عالية للتصنيف متعدد الفئات | كيفية ضبط DistilBert بدقة لتصنيف متعدد الفئات باستخدام PyTorch | أبيشيك كومار ميشرا | |
| ضبط BERT الدقيق لتصنيف التسميات المتعددة | كيفية ضبط نموذج BERT بشكل دقيق لتصنيف متعدد الوسوم باستخدام PyTorch | أبيشيك كومار ميشرا | |
| ضبط T5 الدقيق للتلخيص | كيفية ضبط T5 بشكل دقيق لتلخيص النصوص في PyTorch وتتبع التجارب باستخدام WandB | أبيشيك كومار ميشرا | |
| تسريع الضبط الدقيق في Transformers باستخدام الحشو الديناميكي / التقسيم إلى دلاء | كيفية تسريع الضبط الدقيق بمعامل 2 باستخدام الحشو الديناميكي / التقسيم | Michael Benesty | |
| تدريب مسبق لنموذج Reformer لنمذجة اللغة المقنّعة | كيفية تدريب نموذج Reformer بطبقات انتباه ذاتي ثنائي الاتجاه | باتريك فون بلاتين | |
| توسيع Sci-BERT وضبطه الدقيق | كيفية زيادة حجم مفردات نموذج SciBERT المُدرَّب مسبقًا من AllenAI على مجموعة بيانات CORD وتضمينه في خط أنابيب. | تانماي ثاكور | |
| ضبط BlenderBotSmall بدقة لتلخيص النصوص باستخدام واجهة Trainer API | كيفية ضبط نموذج BlenderBotSmall بشكل دقيق لتلخيص النصوص على مجموعة بيانات مخصصة، باستخدام واجهة Trainer API. | تانماي ثاكور | |
| ضبط Electra بدقة وتفسير النتائج باستخدام Integrated Gradients | كيفية ضبط Electra بدقة لتحليل المشاعر وتفسير التنبؤات باستخدام Captum Integrated Gradients | إليزا شتشيخلا | |
| ضبط نموذج GPT-2 غير إنجليزي باستخدام فئة Trainer | كيفية ضبط نموذج GPT-2 غير إنجليزي باستخدام فئة Trainer | فيليب شميد | |
| ضبط نموذج DistilBERT بشكل دقيق لمهمة التصنيف متعدد الوسوم | كيفية ضبط نموذج DistilBERT بشكل دقيق لمهمة التصنيف متعدد الوسوم | دافال تاونك | |
| ضبط نموذج ALBERT بدقة عالية لتصنيف أزواج الجمل | كيفية ضبط نموذج ALBERT أو نموذج آخر مبني على BERT لمهمة تصنيف أزواج الجمل | نادير المنوزي | |
| ضبط نموذج Roberta بدقة لتحليل المشاعر | كيفية ضبط نموذج Roberta بدقة لتحليل المشاعر | دافال تاونك | |
| تقييم نماذج توليد الأسئلة | ما مدى دقة الإجابات على الأسئلة التي يولدها نموذج تحويل تسلسل إلى تسلسل الخاص بك؟ | باسكال زوليكو | |
| الاستفادة من BERT لتلخيص الترميز-فك الترميز على CNN/Dailymail | كيفية بدء تشغيل EncoderDecoderModel بشكل مسبق باستخدام نقطة تحقق google-bert/bert-base-uncased لتلخيص النصوص على CNN/Dailymail | باتريك فون بلاتين | |
| الاستفادة من RoBERTa لتلخيص النصوص باستخدام معمارية المُشَفِّر-المُفَكِّك على مجموعة بيانات BBC XSum | كيفية بدء تشغيل EncoderDecoderModel مشترك مسبقاً باستخدام نقطة تحقق FacebookAI/roberta-base لتلخيص BBC/XSum | باتريك فون بلاتين | |
| ضبط TAPAS على الإجابة التسلسلية على الأسئلة (SQA) | كيفية ضبط TapasForQuestionAnswering بشكل دقيق باستخدام نقطة تحقق tapas-base على مجموعة بيانات الإجابة التسلسلية على الأسئلة (SQA) | نييلز روج | |
| تقييم TAPAS على التحقق من الحقائق في الجداول (TabFact) | كيفية تقييم نموذج TapasForSequenceClassification المُحسَّن باستخدام نقطة تحقق tapas-base-finetuned-tabfact من خلال الجمع بين مكتبتَي 🤗 datasets و🤗 transformers | نييلز روج | |
| ضبط نموذج mBART للترجمة | كيفية ضبط نموذج mBART باستخدام Seq2SeqTrainer لترجمة النص من الهندية إلى الإنجليزية | فاسوديف غوبتا | |
| ضبط LayoutLM على FUNSD (مجموعة بيانات لفهم النماذج) | كيفية ضبط LayoutLMForTokenClassification على مجموعة بيانات FUNSD لاستخراج المعلومات من المستندات الممسوحة ضوئيًا | نييلز روج | |
| ضبط DistilGPT2 بدقة وتوليد النص | كيفية ضبط DistilGPT2 بدقة وتوليد النص | آكاش تريباتي | |
| ضبط LED الدقيق على ما يصل إلى 8K رمز | كيفية ضبط نموذج LED على قاعدة بيانات pubmed لتلخيص النصوص طويلة المدى | باتريك فون بلاتين | |
| تقييم LED على Arxiv | كيفية تقييم LED بشكل فعال في تلخيص النطاق الطويل | باتريك فون بلاتين | |
| ضبط LayoutLM على RVL-CDIP (مجموعة بيانات لتصنيف صور المستندات) | كيفية ضبط LayoutLMForSequenceClassification على مجموعة بيانات RVL-CDIP لتصنيف المستندات الممسوحة ضوئيًا | نييلز روج | |
| فك ترميز Wav2Vec2 CTC مع تعديل GPT2 | كيفية فك ترميز تسلسل CTC مع ضبط نموذج اللغة | إريك لام | |
| ضبط BART بدقة لتلخيص النص بلغتين باستخدام فئة Trainer | كيفية ضبط نموذج BART بشكل دقيق لتلخيص النصوص بلغتين باستخدام فئة Trainer | إليزا شتشيخلا | |
| تقييم Big Bird على Trivia QA | كيفية تقييم BigBird في الإجابة عن الأسئلة على المستندات الطويلة في Trivia QA | باتريك فون بلاتين | |
| إنشاء ترجمات للفيديو باستخدام Wav2Vec2 | كيفية إنشاء ترجمات لفيديوهات يوتيوب من أي فيديو عبر نسخ الصوت باستخدام Wav2Vec | نيكلاس مونينغوف | |
| ضبط نموذج Vision Transformer على CIFAR-10 باستخدام PyTorch Lightning | كيفية ضبط نموذج Vision Transformer (ViT) على CIFAR-10 باستخدام HuggingFace Transformers و Datasets و PyTorch Lightning | نييلز روج | |
| ضبط نموذج Vision Transformer على CIFAR-10 باستخدام 🤗 Trainer | كيفية ضبط نموذج Vision Transformer (ViT) على CIFAR-10 باستخدام HuggingFace Transformers وDatasets و🤗 Trainer | نييلز روج | |
| تقييم LUKE على Open Entity، وهو مجموعة بيانات لتصنيف الكيانات | كيفية تقييم LukeForEntityClassification على مجموعة بيانات Open Entity | إيكويا يامادا | |
| تقييم LUKE على TACRED، وهو مجموعة بيانات لاستخراج العلاقات | كيفية تقييم LukeForEntityPairClassification على مجموعة بيانات TACRED | إيكويا يامادا | |
| تقييم LUKE على CoNLL-2003، وهو معيار مهم لتحديد الكيانات الاسمية | كيفية تقييم LukeForEntitySpanClassification على مجموعة بيانات CoNLL-2003 | إيكويا يامادا | |
| تقييم BigBird-Pegasus على مجموعة بيانات PubMed | كيفية تقييم BigBirdPegasusForConditionalGeneration على مجموعة بيانات PubMed | فاسوديف غوبتا | |
| تصنيف المشاعر في الكلام باستخدام Wav2Vec2 | كيفية الاستفادة من نموذج Wav2Vec2 المُدرَّب مسبقًا لتصنيف المشاعر على مجموعة بيانات MEGA | Mehrdad Farahani | |
| كشف الكائنات في صورة باستخدام DETR | كيفية استخدام نموذج DetrForObjectDetection المدرَّب للكشف عن الكائنات في صورة وتصور الانتباه | نييلز روج | |
| ضبط DETR الدقيق على مجموعة بيانات مخصصة للكشف عن الكائنات | كيفية ضبط DetrForObjectDetection على مجموعة بيانات مخصصة للكشف عن الكائنات | نييلز روج | |
| ضبط T5 الدقيق لتعرف الكيانات المسمّاة | كيفية ضبط T5 على مهمة التعرف على الكيانات المسمّاة | أوندب أودونايو | |
| ضبط نموذج LLM مفتوح المصدر باستخدام QLoRA مع MLflow وPEFT | كيفية استخدام QLoRA و PEFT لضبط نموذج لغة كبير (LLM) بطريقة فعّالة من حيث الذاكرة، مع استخدام MLflow لإدارة تتبع التجارب | يوكي واتانابي |