دفاتر ملاحظات 🤗 Transformers
يمكنك أن تجد هنا قائمة بدفاتر الملاحظات الرسمية التي تقدمها Hugging Face.
كما نود أن ندرج هنا محتوى مثيرًا للاهتمام تم إنشاؤه بواسطة المجتمع. إذا كتبت دفتر ملاحظات يستفيد من 🤗 Transformers وتود إدراجه هنا، فيُرجى فتح طلب سحب حتى يمكن تضمينه ضمن دفاتر ملاحظات المجتمع.
دفاتر ملاحظات Hugging Face 🤗
دفاتر ملاحظات التوثيق
يمكنك فتح أي صفحة من صفحات التوثيق كدفتر ملاحظات في Colab (يوجد زر مباشرة على تلك الصفحات) ولكنها مدرجة هنا أيضًا إذا كنت بحاجة إليها:
| دفتر الملاحظات | الوصف | ||
|---|---|---|---|
| جولة سريعة في المكتبة | عرض لمختلف واجهات برمجة التطبيقات في Transformers |  |
 |
| ملخص المهام | كيفية تشغيل نماذج مكتبة Transformers مهمة تلو الأخرى | |
|
| معالجة البيانات مسبقًا | كيفية استخدام محلل لغوي لمعالجة بياناتك مسبقًا | |
|
| الضبط الدقيق لنموذج مُدرَّب مسبقًا | كيفية استخدام المدرب لضبط نموذج مُدرَّب مسبقًا بدقة | |
|
| ملخص للمحللات اللغوية | الاختلافات بين خوارزمية المحلل اللغوي | |
|
| النماذج متعددة اللغات | كيفية استخدام النماذج متعددة اللغات للمكتبة | |
|
أمثلة PyTorch
معالجة اللغة الطبيعية[[pytorch-nlp]]
| دفتر الملاحظات | الوصف | ||
|---|---|---|---|
| تدريب محللك اللغوي | كيفية تدريب واستخدام محللك اللغوي الخاص بك | |
|
| تدريب نموذج لغتك | كيفية البدء بسهولة في استخدام المحولات | |
|
| كيفية ضبط نموذج بدقة على تصنيف النص | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على أي مهمة GLUE. | |
|
| كيفية ضبط نموذج بدقة على النمذجة اللغوية | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على مهمة LM سببية أو مقنعة. | |
|
| كيفية ضبط نموذج بدقة على تصنيف الرموز المميزة | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على مهمة تصنيف الرموز المميزة (NER، PoS). | |
|
| كيفية ضبط نموذج بدقة على الإجابة على الأسئلة | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على SQUAD. | |
|
| كيفية ضبط نموذج بدقة على الاختيار من متعدد | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على SWAG. | |
|
| كيفية ضبط نموذج بدقة على الترجمة | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على WMT. | |
|
| كيفية ضبط نموذج بدقة على التلخيص | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على XSUM. | |
|
| كيفية تدريب نموذج لغة من البداية | تسليط الضوء على جميع الخطوات لتدريب نموذج Transformer بشكل فعال على بيانات مخصصة | |
|
| كيفية إنشاء نص | كيفية استخدام أساليب فك التشفير المختلفة لإنشاء اللغة باستخدام المحولات | |
|
| Reformer | كيف يدفع Reformer حدود النمذجة اللغوية | |
|
رؤية الكمبيوتر[[pytorch-cv]]
| دفتر الملاحظات | الوصف | ||
|---|---|---|---|
| كيفية ضبط نموذج بدقة على تصنيف الصور (Torchvision) | يوضح كيفية معالجة البيانات مسبقًا باستخدام Torchvision وضبط أي نموذج رؤية مُدرَّب مسبقًا بدقة على تصنيف الصور | |
|
| كيفية ضبط نموذج بدقة على تصنيف الصور (Albumentations) | يوضح كيفية معالجة البيانات مسبقًا باستخدام Albumentations وضبط أي نموذج رؤية مُدرَّب مسبقًا بدقة على تصنيف الصور | |
|
| كيفية ضبط نموذج بدقة على تصنيف الصور (Kornia) | يوضح كيفية معالجة البيانات مسبقًا باستخدام Kornia وضبط أي نموذج رؤية مُدرَّب مسبقًا بدقة على تصنيف الصور | |
|
| كيفية إجراء الكشف عن الأشياء بدون لقطات مع OWL-ViT | يوضح كيفية إجراء الكشف عن الأشياء بدون لقطات على الصور باستخدام استعلامات نصية | |
|
| كيفية ضبط نموذج وصف الصور بدقة | يوضح كيفية ضبط BLIP بدقة لوصف الصور على مجموعة بيانات مخصصة | |
|
| كيفية بناء نظام تشابه الصور مع Transformers | يوضح كيفية بناء نظام تشابه الصور | |
|
| كيفية ضبط نموذج SegFormer بدقة على التجزئة الدلالية | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج SegFormer مُدرَّب مسبقًا بدقة على التجزئة الدلالية | |
|
| كيفية ضبط نموذج VideoMAE بدقة على تصنيف الفيديو | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج VideoMAE مُدرَّب مسبقًا بدقة على تصنيف الفيديو | |
|
الصوت[[pytorch-audio]]
| دفتر الملاحظات | الوصف | ||
|---|---|---|---|
| كيفية ضبط نموذج التعرف على الكلام باللغة الإنجليزية بدقة | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج كلام مُدرَّب مسبقًا بدقة على TIMIT | |
|
| كيفية ضبط نموذج التعرف على الكلام بأي لغة بدقة | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج كلام مُدرَّب مسبقًا متعدد اللغات بدقة على Common Voice | |
|
| كيفية ضبط نموذج بدقة على تصنيف الصوت | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج كلام مُدرَّب مسبقًا بدقة على Keyword Spotting | |
|
التسلسلات البيولوجية[[pytorch-bio]]
| دفتر الملاحظات | الوصف | ||
|---|---|---|---|
| كيفية ضبط نموذج بروتين مُدرَّب مسبقًا بدقة | شاهد كيفية ترميز البروتينات وضبط نموذج "لغة" بروتين مُدرَّب مسبقًا كبير بدقة | |
|
| كيفية إنشاء طيات بروتينية | شاهد كيفية الانتقال من تسلسل البروتين إلى نموذج بروتين كامل وملف PDB | |
|
| كيفية ضبط نموذج محول النيوكليوتيدات بدقة | شاهد كيفية ترميز الحمض النووي وضبط نموذج "لغة" الحمض النووي مُدرَّب مسبقًا كبير بدقة | |
|
| ضبط نموذج محول النيوكليوتيدات بدقة باستخدام LoRA | تدريب نماذج DNA أكبر بكثير بطريقة فعالة من حيث الذاكرة | |
|
طرائق أخرى[[pytorch-other]]
| دفتر الملاحظات | الوصف | ||
|---|---|---|---|
| التنبؤ الاحتمالي بالسلاسل الزمنية | شاهد كيفية تدريب Time Series Transformer على مجموعة بيانات مخصصة | |
|
دفاتر ملاحظات الأدوات المساعدة [[pytorch-utility]]
| دفتر الملاحظات | الوصف | ||
|---|---|---|---|
| كيفية تصدير النموذج إلى ONNX | تسليط الضوء على كيفية التصدير وتشغيل أعباء عمل الاستدلال من خلال ONNX | |
|
| كيفية استخدام المعايير | كيفية قياس أداء النماذج باستخدام المحولات | |
|
أمثلة TensorFlow
معالجة اللغة الطبيعية[[tensorflow-nlp]]
| دفتر الملاحظات | الوصف | ||
|---|---|---|---|
| تدريب محللك اللغوي | كيفية تدريب واستخدام محللك اللغوي الخاص بك | |
|
| تدريب نموذج لغتك | كيفية البدء بسهولة في استخدام المحولات | |
|
| كيفية ضبط نموذج بدقة على تصنيف النص | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على أي مهمة GLUE. | |
|
| كيفية ضبط نموذج بدقة على النمذجة اللغوية | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على مهمة LM سببية أو مقنعة. | |
|
| كيفية ضبط نموذج بدقة على تصنيف الرموز المميزة | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على مهمة تصنيف الرموز المميزة (NER، PoS). | |
|
| كيفية ضبط نموذج بدقة على الإجابة على الأسئلة | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على SQUAD. | |
|
| كيفية ضبط نموذج بدقة على الاختيار من متعدد | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على SWAG. | |
|
| كيفية ضبط نموذج بدقة على الترجمة | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على WMT. | |
|
| كيفية ضبط نموذج بدقة على التلخيص | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج مُدرَّب مسبقًا بدقة على XSUM. | |
|
رؤية الكمبيوتر[[tensorflow-cv]]
| دفتر الملاحظات | الوصف | ||
|---|---|---|---|
| كيفية ضبط نموذج بدقة على تصنيف الصور | يوضح كيفية معالجة البيانات مسبقًا وضبط أي نموذج رؤية مُدرَّب مسبقًا بدقة على تصنيف الصور | |
|
| كيفية ضبط نموذج SegFormer بدقة على التجزئة الدلالية | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج SegFormer مُدرَّب مسبقًا بدقة على التجزئة الدلالية | |
|
التسلسلات البيولوجية[[tensorflow-bio]]
| دفتر الملاحظات | الوصف | ||
|---|---|---|---|
| كيفية ضبط نموذج بروتين مُدرَّب مسبقًا بدقة | شاهد كيفية ترميز البروتينات وضبط نموذج "لغة" بروتين مُدرَّب مسبقًا كبير بدقة | |
|
دفاتر ملاحظات الأدوات المساعدة [[tensorflow-utility]]
| دفتر الملاحظات | الوصف | ||
|---|---|---|---|
| كيفية تدريب نماذج TF/Keras على TPU | شاهد كيفية التدريب بسرعة عالية على أجهزة TPU من Google | |
|
دفاتر ملاحظات Optimum
🤗 Optimum هو امتداد لـ 🤗 Transformers، يوفر مجموعة من أدوات تحسين الأداء التي تمكن من تحقيق أقصى قدر من الكفاءة لتدريب وتشغيل النماذج على الأجهزة المستهدفة.
| دفتر الملاحظات | الوصف | ||
|---|---|---|---|
| كيفية تكميم نموذج باستخدام ONNX Runtime لتصنيف النص | يوضح كيفية تطبيق التكميم الثابت والديناميكي على نموذج باستخدام ONNX Runtime لأي مهمة GLUE. | |
|
| كيفية ضبط نموذج بدقة على تصنيف النص باستخدام ONNX Runtime | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج بدقة على أي مهمة GLUE باستخدام ONNX Runtime. | |
|
| كيفية ضبط نموذج بدقة على التلخيص باستخدام ONNX Runtime | يوضح كيفية معالجة البيانات مسبقًا وضبط نموذج بدقة على XSUM باستخدام ONNX Runtime. | |
|
دفاتر ملاحظات المجتمع:
تتوفر المزيد من دفاتر الملاحظات التي طورها المجتمع هنا.
Source: docs/source/ar/notebooks.md