🤗 Notebooks Transformers

Vous trouverez ici la liste des notebooks officiels fournis par Hugging Face.

Nous souhaitons également lister ici le contenu intéressant créé par la communauté. Si vous avez rédigé un ou plusieurs notebooks exploitant 🤗 Transformers et souhaitez être référencé ici, veuillez ouvrir une Pull Request afin qu'il soit inclus sous la section Notebooks de la communauté.

Les notebooks de Hugging Face 🤗

Cahiers de documentation

Vous pouvez ouvrir n’importe quelle page de la documentation sous forme de notebook dans Colab (un bouton est directement disponible sur lesdites pages), mais elles sont également répertoriées ici au cas où vous en auriez besoin :

Notebook	Description
Présentation rapide de la bibliothèque	Une présentation des différentes API de Transformers
Résumé des tâches	Comment exécuter les modèles de la bibliothèque Transformers tâche par tâche
Prétraitement des données	Comment utiliser un tokenizer pour prétraiter vos données
Ajustement fin d'un modèle pré-entraîné	Comment utiliser le Trainer pour affiner un modèle pré-entraîné
Résumé des tokenizers	Les différences entre les algorithmes des tokenizers
Modèles multilingues	Comment utiliser les modèles multilingues de la bibliothèque

Exemples PyTorch

Traitement du langage naturel

Notebook	Description
Entraînez votre tokenizer	Comment entraîner et utiliser votre propre tokenizer
Entraîner votre modèle de langage	Comment commencer facilement à utiliser transformers
Comment affiner un modèle pour la classification de texte	Montrer comment prétraiter les données et affiner un modèle pré-entraîné sur n’importe quelle tâche GLUE.
Comment affiner un modèle sur la modélisation de langage	Montrer comment prétraiter les données et affiner un modèle préentraîné sur une tâche de LM causal ou masqué.
Comment affiner un modèle pour la classification de jetons	Montrer comment prétraiter les données et affiner un modèle pré-entraîné sur une tâche de classification de jetons (NER, PoS).
Comment affiner un modèle pour la réponse à des questions	Montrer comment prétraiter les données et affiner un modèle préentraîné sur SQUAD.
Comment affiner un modèle sur des choix multiples	Montrer comment prétraiter les données et affiner un modèle préentraîné sur SWAG.
Comment affiner un modèle sur la traduction	Montrer comment prétraiter les données et affiner un modèle préentraîné sur WMT.
Comment affiner un modèle pour la résumée	Montrer comment prétraiter les données et affiner un modèle pré-entraîné sur XSUM.
Comment entraîner un modèle de langage à partir de zéro	Mettre en évidence toutes les étapes pour entraîner efficacement un modèle Transformer sur des données personnalisées
Comment générer du texte	Comment utiliser différentes méthodes de décodage pour la génération de langage avec transformers
Reformer	Comment Reformer repousse les limites de la modélisation du langage

Vision par ordinateur

Notebook	Description
Comment affiner un modèle pour la classification d'images (Torchvision)	Montrer comment prétraiter les données à l'aide de Torchvision et affiner n'importe quel modèle Vision préentraîné sur la classification d'images
Comment affiner un modèle pour la classification d'images (Albumentations)	Montrer comment prétraiter les données à l'aide d'Albumentations et affiner n'importe quel modèle Vision préentraîné sur la classification d'images
Comment affiner un modèle pour la classification d'images (Kornia)	Montrer comment prétraiter les données à l'aide de Kornia et affiner n'importe quel modèle Vision préentraîné sur la classification d'images
Comment effectuer la détection d'objets en zéro tir avec OWL-ViT	Montrer comment effectuer la détection d'objets en zéro tir sur des images à l'aide de requêtes textuelles
Comment affiner un modèle de légende d'image	Montrer comment affiner BLIP pour la légende d’images sur un jeu de données personnalisé
Comment créer un système de similarité d'images avec Transformers	Montrer comment construire un système de similarité d'images
Comment affiner un modèle SegFormer pour la segmentation sémantique	Montrer comment prétraiter les données et affiner un modèle SegFormer préentraîné sur la segmentation sémantique
Comment affiner un modèle VideoMAE pour la classification de vidéos	Montrer comment prétraiter les données et affiner un modèle VideoMAE préentraîné pour la classification de vidéos

Audio

Notebook	Description
Comment affiner un modèle de reconnaissance vocale en anglais	Montrer comment prétraiter les données et affiner un modèle Speech préentraîné sur TIMIT
Comment affiner un modèle de reconnaissance vocale dans n'importe quelle langue	Montrer comment prétraiter les données et affiner un modèle de parole pré-entraîné multilingue sur Common Voice
Comment affiner un modèle pour la classification audio	Montrer comment prétraiter les données et affiner un modèle de Speech préentraîné pour la détection de mots-clés

Séquences biologiques

Notebook	Description
Comment affiner un modèle de protéines pré-entraîné	Découvrez comment tokeniser des protéines et affiner un grand modèle de « langage » pré-entraîné pour les protéines
Comment générer des repliements de protéines	Découvrez comment passer d'une séquence de protéines à un modèle de protéine complet et à un fichier PDB
Comment affiner un modèle Nucleotide Transformer	Découvrez comment tokeniser de l'ADN et affiner un grand modèle de « langage » pré-entraîné pour l'ADN
Effectuer le fine-tuning d'un modèle Nucleotide Transformer avec LoRA	Entraîner des modèles d'ADN encore plus grands de manière efficace en mémoire

Autres modalités

Notebook	Description
Prévision probabiliste de séries temporelles	Voir comment entraîner Time Series Transformer sur un jeu de données personnalisé

Cahiers d'utilitaires

Notebook	Description
Comment exporter un modèle vers ONNX	Mettre en évidence comment exporter et exécuter des charges de travail d'inférence via ONNX

Cahiers Optimum

🤗 Optimum est une extension de 🤗 Transformers qui fournit un ensemble d'outils d'optimisation des performances permettant d'entraîner et d'exécuter des modèles avec une efficacité maximale sur le matériel cible.

Notebook	Description
Comment quantiser un modèle avec ONNX Runtime pour la classification de texte	Montrer comment appliquer la quantification statique et dynamique à un modèle à l'aide de ONNX Runtime pour toute tâche GLUE.
Comment affiner un modèle pour la classification de texte avec ONNX Runtime	Montrer comment prétraiter les données et affiner un modèle sur n'importe quelle tâche GLUE à l'aide de ONNX Runtime.
Comment affiner un modèle pour la résumés avec ONNX Runtime	Montrer comment prétraiter les données et affiner un modèle sur XSUM à l'aide de ONNX Runtime.

Carnets de la communauté

D'autres notebooks développés par la communauté sont disponibles ici.