Comunidad

Esta página reúne recursos sobre 🤗 Transformers desarrollados por la comunidad.

Recursos de la comunidad

Cuadernos de la comunidad

Notebook	Descripción	Autor
Ajustar un Transformer preentrenado para generar letras	Cómo generar letras al estilo de tu artista favorito mediante el ajuste fino de un modelo GPT-2	Aleksey Korshuk
Entrenar T5 en TPU	Cómo entrenar T5 en SQUAD con Transformers y Nlp	Suraj Patil
Ajuste fino de T5 para clasificación y selección múltiple	Cómo ajustar T5 para tareas de clasificación y selección múltiple usando un formato de texto a texto con PyTorch Lightning	Suraj Patil
Ajustar DialoGPT con nuevos conjuntos de datos y lenguas	Cómo ajustar el modelo DialoGPT en un nuevo conjunto de datos para chatbots conversacionales de diálogo abierto	Nathan Cooper
Modelado de secuencias largas con Reformer	Cómo entrenar con secuencias de hasta 500.000 tokens con Reformer	Patrick von Platen
Ajuste fino de BART para la resumición	Cómo ajustar BART para el resumen con fastai usando blurr	Wayde Gilliam
Ajusta un Transformer preentrenado con los tweets de cualquier persona	Cómo generar tweets al estilo de tu cuenta de Twitter favorita mediante el ajuste fino de un modelo GPT-2	Boris Dayma
Optimiza los modelos de 🤗 Hugging Face con Weights & Biases	Un tutorial completo que muestra la integración de W&B con Hugging Face	Boris Dayma
Preentrenar Longformer	Cómo construir una versión “larga” de modelos preentrenados existentes	Iz Beltagy
Ajustar Longformer para QA	Cómo ajustar el modelo longformer para una tarea de QA	Suraj Patil
Evaluar el modelo con 🤗nlp	Cómo evaluar longformer en TriviaQA con nlp	Patrick von Platen
Ajuste fino de T5 para la extracción de fragmentos de sentimiento	Cómo ajustar T5 para la extracción de fragmentos de sentimiento usando un formato de texto a texto con PyTorch Lightning	Lorenzo Ampil
Ajustar DistilBert para clasificación multiclase	Cómo ajustar DistilBert para clasificación multiclase con PyTorch	Abhishek Kumar Mishra
Ajuste fino de BERT para clasificación multietiqueta	Cómo ajustar BERT para clasificación multietiqueta usando PyTorch	Abhishek Kumar Mishra
Ajuste fino de T5 para la generación de resúmenes	Cómo ajustar T5 para la generación de resúmenes en PyTorch y realizar un seguimiento de los experimentos con WandB	Abhishek Kumar Mishra
Acelera el Fine-Tuning en Transformers con Relleno Dinámico / Bucketing	Cómo acelerar el ajuste fino por un factor de 2 mediante el relleno dinámico / agrupación	Michael Benesty
Entrenamiento previo de Reformer para modelado de lenguaje enmascarado	Cómo entrenar un modelo Reformer con capas de autoatención bidireccional	Patrick von Platen
Ampliar y ajustar Sci-BERT	Cómo aumentar el vocabulario de un modelo SciBERT preentrenado de AllenAI en el conjunto de datos CORD y procesarlo en una tubería.	Tanmay Thakur
Ajuste fino de BlenderBotSmall para resumen usando la API de Trainer	Cómo ajustar BlenderBotSmall para la tarea de resumen en un conjunto de datos personalizado, utilizando la API de Trainer.	Tanmay Thakur
Ajustar Electra e interpretar con Integrated Gradients	Cómo ajustar Electra para el análisis de sentimiento e interpretar las predicciones con Captum Integrated Gradients	Eliza Szczechla
Ajustar un modelo GPT-2 no inglés con la clase Trainer	Cómo ajustar un modelo GPT-2 no inglés con la clase Trainer	Philipp Schmid
Ajustar un modelo DistilBERT para una tarea de clasificación multietiqueta	Cómo ajustar un modelo DistilBERT para una tarea de clasificación multietiqueta	Dhaval Taunk
Ajustar ALBERT para la clasificación de pares de oraciones	Cómo ajustar finamente un modelo ALBERT u otro modelo basado en BERT para la tarea de clasificación de pares de oraciones	Nadir El Manouzi
Ajustar finamente Roberta para el análisis de sentimiento	Cómo ajustar finamente un modelo Roberta para el análisis de sentimiento	Dhaval Taunk
Evaluación de modelos de generación de preguntas	¿Qué tan precisas son las respuestas a las preguntas generadas por su modelo de transformador seq2seq?	Pascal Zoleko
Utilizar BERT para la resumición encoder-decoder en CNN/Dailymail	Cómo iniciar el entrenamiento de un EncoderDecoderModel con un punto de control de google-bert/bert-base-uncased para el resumen de textos en CNN/Dailymail	Patrick von Platen
Utilizar RoBERTa para la resumición encoder-decoder en BBC XSum	Cómo iniciar el entrenamiento de un EncoderDecoderModel compartido con un punto de control de FacebookAI/roberta-base para el resumen de BBC/XSum	Patrick von Platen
Ajustar TAPAS para la respuesta secuencial a preguntas (SQA)	Cómo ajustar TapasForQuestionAnswering con un punto de control tapas-base en el conjunto de datos Sequential Question Answering (SQA)	Niels Rogge
Evaluar TAPAS en la verificación de hechos en tablas (TabFact)	Cómo evaluar un TapasForSequenceClassification afinado con un checkpoint de tapas-base-finetuned-tabfact utilizando una combinación de las bibliotecas 🤗 datasets y 🤗 transformers	Niels Rogge
Ajuste fino de mBART para la traducción	Cómo ajustar mBART usando Seq2SeqTrainer para la traducción del hindi al inglés	Vasudev Gupta
Ajustar LayoutLM en FUNSD (un conjunto de datos para la comprensión de formularios)	Cómo ajustar LayoutLMForTokenClassification en el conjunto de datos FUNSD para la extracción de información de documentos escaneados	Niels Rogge
Ajustar DistilGPT2 y generar texto	Cómo ajustar finamente DistilGPT2 y generar texto	Aakash Tripathi
Ajuste fino de LED con hasta 8K tokens	Cómo ajustar LED en pubmed para la resumización de largo alcance	Patrick von Platen
Evaluar LED en Arxiv	Cómo evaluar eficazmente LED en la resumición de largo alcance	Patrick von Platen
Ajustar LayoutLM en RVL-CDIP (un conjunto de datos de clasificación de imágenes de documentos)	Cómo ajustar LayoutLMForSequenceClassification en el conjunto de datos RVL-CDIP para la clasificación de documentos escaneados	Niels Rogge
Decodificación CTC de Wav2Vec2 con ajuste de GPT2	Cómo decodificar una secuencia CTC con ajuste del modelo de lenguaje	Eric Lam
Ajuste fino de BART para la resumición en dos idiomas con la clase Trainer	Cómo ajustar BART para la resumición en dos idiomas con la clase Trainer	Eliza Szczechla
Evaluar Big Bird en Trivia QA	Cómo evaluar BigBird en la respuesta a preguntas sobre documentos largos en Trivia QA	Patrick von Platen
Crear subtítulos de video con Wav2Vec2	Cómo crear subtítulos de YouTube a partir de cualquier video transcribiendo el audio con Wav2Vec	Niklas Muennighoff
Ajustar el Vision Transformer en CIFAR-10 usando PyTorch Lightning	Cómo ajustar el Vision Transformer (ViT) en CIFAR-10 usando HuggingFace Transformers, Datasets y PyTorch Lightning	Niels Rogge
Ajustar el Vision Transformer en CIFAR-10 usando el 🤗 Trainer	Cómo ajustar el Vision Transformer (ViT) en CIFAR-10 usando HuggingFace Transformers, Datasets y el 🤗 Trainer	Niels Rogge
Evaluar LUKE en Open Entity, un conjunto de datos de tipado de entidades	Cómo evaluar LukeForEntityClassification en el conjunto de datos Open Entity	Ikuya Yamada
Evaluar LUKE en TACRED, un conjunto de datos de extracción de relaciones	Cómo evaluar LukeForEntityPairClassification en el conjunto de datos TACRED	Ikuya Yamada
Evaluar LUKE en CoNLL-2003, un benchmark importante de NER	Cómo evaluar LukeForEntitySpanClassification en el conjunto de datos CoNLL-2003	Ikuya Yamada
Evaluar BigBird-Pegasus en el conjunto de datos PubMed	Cómo evaluar BigBirdPegasusForConditionalGeneration en el conjunto de datos PubMed	Vasudev Gupta
Clasificación de emociones en el habla con Wav2Vec2	Cómo aprovechar un modelo Wav2Vec2 preentrenado para la clasificación de emociones en el conjunto de datos MEGA	Mehrdad Farahani
Detectar objetos en una imagen con DETR	Cómo usar un modelo DetrForObjectDetection entrenado para detectar objetos en una imagen y visualizar la atención	Niels Rogge
Ajustar DETR en un conjunto de datos personalizado de detección de objetos	Cómo ajustar DetrForObjectDetection en un conjunto de datos personalizado de detección de objetos	Niels Rogge
Ajuste fino de T5 para el reconocimiento de entidades nombradas	Cómo ajustar T5 para una tarea de reconocimiento de entidades nombradas	Ogundepo Odunayo
Ajuste fino de LLM de código abierto usando QLoRA con MLflow y PEFT	Cómo usar QLoRA y PEFT para ajustar un LLM de manera eficiente en memoria, mientras se utiliza MLflow para gestionar el seguimiento de experimentos	Yuki Watanabe