Komunitas

Halaman ini menghimpun sumber daya seputar 🤗 Transformers yang dikembangkan oleh komunitas.

Sumber daya komunitas

Notebook komunitas

Notebook	Deskripsi	Penulis
Menyesuaikan Transformer yang telah dilatih sebelumnya untuk menghasilkan lirik	Cara membuat lirik lagu dengan gaya artis favorit Anda dengan melakukan fine-tuning pada model GPT-2	Aleksey Korshuk
Melatih T5 di TPU	Cara melatih T5 pada SQUAD dengan Transformers dan Nlp	Suraj Patil
Menyesuaikan T5 untuk Klasifikasi dan Pilihan Ganda	Cara melakukan fine-tuning T5 untuk tugas klasifikasi dan pilihan ganda menggunakan format teks-ke-teks dengan PyTorch Lightning	Suraj Patil
Menyesuaikan DialoGPT pada Dataset dan Bahasa Baru	Cara melakukan fine-tuning model DialoGPT pada dataset baru untuk chatbot percakapan open-dialog	Nathan Cooper
Modeling Urutan Panjang dengan Reformer	Cara melatih pada sekuens sepanjang 500.000 token dengan Reformer	Patrick von Platen
Menyesuaikan BART untuk Ringkasan	Cara melakukan fine-tuning BART untuk summarization dengan fastai menggunakan blurr	Wayde Gilliam
Menyesuaikan Transformer yang telah dilatih sebelumnya pada tweet siapa pun	Cara membuat cuitan bergaya akun Twitter favorit Anda dengan fine-tuning model GPT-2	Boris Dayma
Optimalkan model 🤗 Hugging Face dengan Weights & Biases	Tutorial lengkap yang menampilkan integrasi W&B dengan Hugging Face	Boris Dayma
Pretrain Longformer	Cara membangun versi “panjang” dari model pretrained yang sudah ada	Iz Beltagy
Menyesuaikan Longformer untuk QA	Cara melakukan fine-tuning model longformer untuk tugas QA	Suraj Patil
Evaluasi Model dengan 🤗nlp	Cara mengevaluasi longformer pada TriviaQA dengan nlp	Patrick von Platen
Menyesuaikan T5 untuk Ekstraksi Rentang Sentimen	Cara melakukan fine-tuning T5 untuk ekstraksi span sentimen menggunakan format teks-ke-teks dengan PyTorch Lightning	Lorenzo Ampil
Menyesuaikan DistilBert untuk Klasifikasi Multikelas	Cara melakukan fine-tuning DistilBert untuk klasifikasi multikelas dengan PyTorch	Abhishek Kumar Mishra
Menyesuaikan BERT untuk Klasifikasi Multi-label	Cara melakukan fine-tuning BERT untuk klasifikasi multi-label menggunakan PyTorch	Abhishek Kumar Mishra
Menyesuaikan T5 untuk Ringkasan	Cara melakukan fine-tuning T5 untuk summarization di PyTorch dan melacak eksperimen dengan WandB	Abhishek Kumar Mishra
Percepat Fine-Tuning di Transformers dengan Dynamic Padding / Bucketing	Cara mempercepat fine-tuning hingga 2 kali lipat menggunakan dynamic padding / bucketing	Michael Benesty
Pretrain Reformer untuk Masked Language Modeling	Cara melatih model Reformer dengan lapisan self-attention bi-directional	Patrick von Platen
Perluas dan Sesuaikan Sci-BERT	Cara meningkatkan kosakata model SciBERT pretrained dari AllenAI pada dataset CORD dan memipelinnya.	Tanmay Thakur
Menyesuaikan BlenderBotSmall untuk Ringkasan menggunakan API Trainer	Cara melakukan fine-tuning BlenderBotSmall untuk ringkasan pada dataset kustom, menggunakan Trainer API.	Tanmay Thakur
Menyesuaikan Electra dan menginterpretasikan dengan Integrated Gradients	Cara melakukan fine-tuning Electra untuk analisis sentimen dan menafsirkan prediksi dengan Captum Integrated Gradients	Eliza Szczechla
melakukan fine-tuning pada Model GPT-2 non-Bahasa Inggris dengan kelas Trainer	Cara melakukan fine-tuning model GPT-2 non-Inggris dengan kelas Trainer	Philipp Schmid
Menyesuaikan Model DistilBERT untuk tugas Klasifikasi Multi Label	Cara melakukan fine-tuning Model DistilBERT untuk tugas Klasifikasi Multi Label	Dhaval Taunk
Menyesuaikan ALBERT untuk klasifikasi pasangan kalimat	Cara melakukan fine-tuning model ALBERT atau model berbasis BERT lainnya untuk tugas klasifikasi pasangan kalimat	Nadir El Manouzi
Menyesuaikan ulang Roberta untuk analisis sentimen	Cara melakukan fine-tuning model Roberta untuk analisis sentimen	Dhaval Taunk
Mengevaluasi Model Pembentukan Pertanyaan	Seberapa akurat jawaban atas pertanyaan yang dihasilkan oleh model transformer seq2seq Anda?	Pascal Zoleko
Memanfaatkan BERT untuk Ringkasan Encoder-Decoder pada CNN/Dailymail	Cara memulai EncoderDecoderModel dengan checkpoint google-bert/bert-base-uncased untuk ringkasan pada CNN/Dailymail	Patrick von Platen
Memanfaatkan RoBERTa untuk Ringkasan Encoder-Decoder pada BBC XSum	Cara memulai dengan hangat (warm-start) EncoderDecoderModel bersama menggunakan checkpoint FacebookAI/roberta-base untuk ringkasan pada BBC/XSum	Patrick von Platen
Menyesuaikan TAPAS pada Sequential Question Answering (SQA)	Cara melakukan fine-tuning TapasForQuestionAnswering dengan checkpoint tapas-base pada dataset Sequential Question Answering (SQA)	Niels Rogge
Mengevaluasi TAPAS pada Table Fact Checking (TabFact)	Cara mengevaluasi TapasForSequenceClassification yang telah dihaluskan dengan checkpoint tapas-base-finetuned-tabfact menggunakan kombinasi pustaka 🤗 datasets dan 🤗 transformers	Niels Rogge
Penyesuaian halus mBART untuk penerjemahan	Cara melakukan fine-tuning mBART menggunakan Seq2SeqTrainer untuk terjemahan Hindi ke Inggris	Vasudev Gupta
Lakukan fine-tuning LayoutLM pada FUNSD (dataset pemahaman formulir)	Cara melakukan fine-tuning LayoutLMForTokenClassification pada dataset FUNSD untuk ekstraksi informasi dari dokumen hasil pindaian	Niels Rogge
Menyesuaikan DistilGPT2 dan Menghasilkan Teks	Cara melakukan fine-tuning DistilGPT2 dan menghasilkan teks	Aakash Tripathi
Haluskan LED hingga 8K token	Cara melakukan fine-tuning LED pada pubmed untuk ringkasan jarak jauh	Patrick von Platen
Evaluasi LED di Arxiv	Cara mengevaluasi LED secara efektif pada ringkasan jarak jauh	Patrick von Platen
Lakukan fine-tuning LayoutLM pada RVL-CDIP (dataset klasifikasi gambar dokumen)	Cara melakukan fine-tuning LayoutLMForSequenceClassification pada dataset RVL-CDIP untuk klasifikasi dokumen hasil pindaian	Niels Rogge
Decoding Wav2Vec2 CTC dengan penyesuaian GPT2	Cara mendekode urutan CTC dengan penyesuaian model bahasa	Eric Lam
Menyesuaikan BART untuk ringkasan dalam dua bahasa dengan kelas Trainer	Cara melakukan fine-tuning BART untuk ringkasan dalam dua bahasa dengan kelas Trainer	Eliza Szczechla
Mengevaluasi Big Bird pada Trivia QA	Cara mengevaluasi BigBird pada penjawab pertanyaan dokumen panjang di Trivia QA	Patrick von Platen
Membuat keterangan video menggunakan Wav2Vec2	Cara membuat caption YouTube dari video apa pun dengan mentranskripsi audio menggunakan Wav2Vec	Niklas Muennighoff
Menyesuaikan ulang Vision Transformer pada CIFAR-10 menggunakan PyTorch Lightning	Cara melakukan fine-tuning Vision Transformer (ViT) pada CIFAR-10 menggunakan HuggingFace Transformers, Datasets, dan PyTorch Lightning	Niels Rogge
Menyesuaikan Vision Transformer pada CIFAR-10 menggunakan 🤗 Trainer	Cara melakukan fine-tuning Vision Transformer (ViT) pada CIFAR-10 menggunakan HuggingFace Transformers, Datasets, dan 🤗 Trainer	Niels Rogge
Evaluasi LUKE pada Open Entity, dataset penipean entitas	Cara mengevaluasi LukeForEntityClassification pada dataset Open Entity	Ikuya Yamada
Evaluasi LUKE pada TACRED, dataset ekstraksi relasi	Cara mengevaluasi LukeForEntityPairClassification pada dataset TACRED	Ikuya Yamada
Evaluasi LUKE pada CoNLL-2003, sebuah benchmark NER yang penting	Cara mengevaluasi LukeForEntitySpanClassification pada dataset CoNLL-2003	Ikuya Yamada
Evaluasi BigBird-Pegasus pada dataset PubMed	Cara mengevaluasi BigBirdPegasusForConditionalGeneration pada dataset PubMed	Vasudev Gupta
Klasifikasi Emosi Bicara dengan Wav2Vec2	Cara memanfaatkan model Wav2Vec2 yang telah dilatih sebelumnya untuk Klasifikasi Emosi pada dataset MEGA	Mehrdad Farahani
Deteksi objek dalam gambar dengan DETR	Cara menggunakan model DetrForObjectDetection yang telah dilatih untuk mendeteksi objek dalam gambar dan memvisualisasikan perhatian	Niels Rogge
Menyesuaikan DETR pada dataset deteksi objek kustom	Cara melakukan fine-tuning DetrForObjectDetection pada dataset deteksi objek kustom	Niels Rogge
Menyesuaikan T5 untuk Pengenalan Entitas Bernama	Cara melakukan fine-tuning T5 pada Tugas Named Entity Recognition	Ogundepo Odunayo
Fine-Tuning LLM Open-Source menggunakan QLoRA dengan MLflow dan PEFT	Cara menggunakan QLoRA dan PEFT untuk fine-tuning LLM dengan cara yang hemat memori, sambil menggunakan MLflow untuk mengelola pelacakan eksperimen	Yuki Watanabe