🤗 Notebooks de Transformers

Aquí puedes encontrar una lista de los notebooks oficiales proporcionados por Hugging Face.

Además, nos gustaría listar aquí el contenido interesante creado por la comunidad. Si escribiste algún cuaderno que aprovecha 🤗 Transformers y deseas que se incluya aquí, abre una Pull Request para que pueda aparecer en la sección de Cuadernos de la comunidad.

Los notebooks de Hugging Face 🤗

Cuadernos de documentación

Puedes abrir cualquier página de la documentación como un cuaderno en Colab (hay un botón directamente en dichas páginas), pero también se enumeran aquí por si las necesitas:

Notebook	Descripción
Recorrido rápido por la biblioteca	Una presentación de las diversas API en Transformers
Resumen de las tareas	Cómo ejecutar los modelos de la biblioteca Transformers tarea por tarea
Preprocesamiento de datos	Cómo usar un tokenizador para preprocesar tus datos
Ajuste fino de un modelo preentrenado	Cómo usar el Trainer para ajustar un modelo preentrenado
Resumen de los tokenizadores	Las diferencias entre los algoritmos de los tokenizadores
Modelos multilingües	Cómo usar los modelos multilingües de la biblioteca

Ejemplos de PyTorch

Procesamiento del Lenguaje Natural

Notebook	Descripción
Entrena tu tokenizador	Cómo entrenar y usar tu propio tokenizador
Entrena tu modelo de lenguaje	Cómo empezar a usar transformers fácilmente
Cómo ajustar finamente un modelo para clasificación de texto	Muestra cómo preprocesar los datos y ajustar un modelo preentrenado en cualquier tarea de GLUE.
Cómo ajustar finamente un modelo en modelado de lenguaje	Muestra cómo preprocesar los datos y ajustar finamente un modelo preentrenado en una tarea de LM causal o enmascarado.
Cómo ajustar finamente un modelo para clasificación de tokens	Muestra cómo preprocesar los datos y ajustar un modelo preentrenado en una tarea de clasificación de tokens (NER, PoS).
Cómo ajustar finamente un modelo para la respuesta a preguntas	Muestra cómo preprocesar los datos y ajustar un modelo preentrenado en SQUAD.
Cómo ajustar un modelo para selección múltiple	Muestra cómo preprocesar los datos y ajustar un modelo preentrenado en SWAG.
Cómo ajustar finamente un modelo para traducción	Muestra cómo preprocesar los datos y ajustar un modelo preentrenado en WMT.
Cómo ajustar finamente un modelo para la tarea de resumen	Muestra cómo preprocesar los datos y ajustar finamente un modelo preentrenado en XSUM.
Cómo entrenar un modelo de lenguaje desde cero	Destaca todos los pasos para entrenar de manera efectiva un modelo Transformer con datos personalizados
Cómo generar texto	Cómo usar diferentes métodos de decodificación para la generación de lenguaje con transformers
Reformer	Cómo Reformer lleva el modelado de lenguaje a sus límites

Visión por computador

Notebook	Descripción
Cómo ajustar finamente un modelo para clasificación de imágenes (Torchvision)	Muestra cómo preprocesar los datos usando Torchvision y cómo ajustar finamente cualquier modelo de visión preentrenado en clasificación de imágenes
Cómo ajustar un modelo para la clasificación de imágenes (Albumentations)	Muestra cómo preprocesar los datos usando Albumentations y cómo ajustar finamente cualquier modelo de visión preentrenado en clasificación de imágenes
Cómo ajustar finamente un modelo para clasificación de imágenes (Kornia)	Muestra cómo preprocesar los datos usando Kornia y ajustar finamente cualquier modelo de visión preentrenado en clasificación de imágenes
Cómo realizar la detección de objetos sin ejemplos con OWL-ViT	Mostrar cómo realizar la detección de objetos sin ejemplos (zero-shot) en imágenes mediante consultas de texto
Cómo ajustar finamente un modelo de descripción de imágenes	Mostrar cómo ajustar BLIP para la generación de descripciones de imágenes en un conjunto de datos personalizado
Cómo construir un sistema de similitud de imágenes con Transformers	Mostrar cómo construir un sistema de similitud de imágenes
Cómo ajustar finamente un modelo SegFormer para segmentación semántica	Mostrar cómo preprocesar los datos y ajustar un modelo SegFormer preentrenado en Segmentación Semántica
Cómo ajustar finamente un modelo de VideoMAE para la clasificación de video	Mostrar cómo preprocesar los datos y ajustar un modelo VideoMAE preentrenado para la clasificación de videos

Audio

Notebook	Descripción
Cómo ajustar finamente un modelo de reconocimiento de voz en inglés	Mostrar cómo preprocesar los datos y ajustar un modelo de voz preentrenado en TIMIT
Cómo ajustar finamente un modelo de reconocimiento de voz en cualquier idioma	Muestra cómo preprocesar los datos y ajustar finamente un modelo de voz preentrenado multilingüe en Common Voice
Cómo ajustar finamente un modelo para clasificación de audio	Muestra cómo preprocesar los datos y ajustar un modelo de voz preentrenado para la detección de palabras clave

Secuencias biológicas

Notebook	Descripción
Cómo ajustar un modelo de proteínas preentrenado	Vea cómo tokenizar proteínas y ajustar finamente un gran modelo de “lenguaje” de proteínas preentrenado
Cómo generar pliegues de proteínas	Vea cómo pasar de una secuencia de proteínas a un modelo de proteínas completo y a un archivo PDB
Cómo ajustar un modelo Nucleotide Transformer	Vea cómo tokenizar ADN y ajustar finamente un gran modelo de "lenguaje" de ADN preentrenado
Ajustar un modelo Nucleotide Transformer con LoRA	Entrena modelos de ADN aún más grandes de manera eficiente en memoria

Otras modalidades

Notebook	Descripción
Pronóstico probabilístico de series temporales	Vea cómo entrenar Time Series Transformer en un conjunto de datos personalizado

Cuadernos de utilidades

Notebook	Descripción
Cómo exportar un modelo a ONNX	Destacar cómo exportar y ejecutar cargas de trabajo de inferencia a través de ONNX

Notebooks de Optimum

🤗 Optimum es una extensión de 🤗 Transformers que ofrece un conjunto de herramientas de optimización de rendimiento para lograr la máxima eficiencia al entrenar y ejecutar modelos en hardware específico.

Notebook	Descripción
Cómo cuantizar un modelo con ONNX Runtime para clasificación de texto	Muestra cómo aplicar cuantización estática y dinámica a un modelo usando ONNX Runtime para cualquier tarea de GLUE.
Cómo ajustar un modelo para clasificación de texto con ONNX Runtime	Muestra cómo preprocesar los datos y ajustar un modelo a cualquier tarea de GLUE usando ONNX Runtime.
Cómo ajustar finamente un modelo para el resumen con ONNX Runtime	Muestra cómo preprocesar los datos y ajustar un modelo en XSUM usando ONNX Runtime.

Cuadernos de la comunidad

Hay más cuadernos desarrollados por la comunidad disponibles aquí.