社区

这个页面汇集了社区开发的🤗Transformers相关的资源。

社区资源

资源	描述	作者
Hugging Face Transformers Glossary Flashcards	这是一套基于 Transformers文档术语表 的抽认卡，它们已被整理成可以通过 Anki （一款专为长期知识保留而设计的开源、跨平台的应用）来进行学习和复习的形式。使用方法参见： 介绍如何使用抽认卡的视频。	Darigov Research

社区笔记本

笔记本	描述	作者
Fine-tune a pre-trained Transformer to generate lyrics	如何通过微调GPT-2模型来生成你最喜欢的艺术家风格的歌词	Aleksey Korshuk
Train T5 in Tensorflow 2	如何使用 Tensorflow 2 训练 T5 可以完成任何任务。本笔记本演示了如何使用 SQUAD 在 Tensorflow 2 中实现问答任务	Muhammad Harris
Train T5 on TPU	如何使用 Transformers 和 Nlp 在 SQUAD 上训练 T5	Suraj Patil
Fine-tune T5 for Classification and Multiple Choice	如何使用 PyTorch Lightning 的text-to-text格式对 T5 进行微调以完成分类和多项选择任务	Suraj Patil
Fine-tune DialoGPT on New Datasets and Languages	如何在新数据集上微调 DialoGPT 模型，以实现开放式对话聊天机器人	Nathan Cooper
Long Sequence Modeling with Reformer	如何使用 Reformer 对长达 500,000 个 token 的序列进行训练	Patrick von Platen
Fine-tune BART for Summarization	如何使用 blurr 对 BART 进行微调，以便使用 fastai 进行汇总	Wayde Gilliam
Fine-tune a pre-trained Transformer on anyone’s tweets	如何通过微调 GPT-2 模型生成以你最喜欢的 Twitter 帐户风格发布的推文	Boris Dayma
Optimize 🤗 Hugging Face models with Weights & Biases	展示 W&B 与 Hugging Face 集成的完整教程	Boris Dayma
Pretrain Longformer	如何构建现有预训练模型的“长”版本	Iz Beltagy
Fine-tune Longformer for QA	如何针对问答任务微调长模型	Suraj Patil
Evaluate Model with 🤗nlp	如何使用nlp库在TriviaQA数据集上评估Longformer模型	Patrick von Platen
Fine-tune T5 for Sentiment Span Extraction	如何使用PyTorch Lightning以text-to-text的格式对T5进行微调，以进行情感跨度提取	Lorenzo Ampil
Fine-tune DistilBert for Multiclass Classification	如何使用 PyTorch 微调 DistilBert 进行多类分类	Abhishek Kumar Mishra
Fine-tune BERT for Multi-label Classification	如何使用 PyTorch 对 BERT 进行微调以进行多标签分类	Abhishek Kumar Mishra
Fine-tune T5 for Summarization	如何在 PyTorch 中微调 T5 进行总结并使用 WandB 跟踪实验	Abhishek Kumar Mishra
Speed up Fine-Tuning in Transformers with Dynamic Padding / Bucketing	如何通过使用动态填充/桶排序将微调速度提高两倍	Michael Benesty
Pretrain Reformer for Masked Language Modeling	如何训练一个带有双向自注意力层的Reformer模型	Patrick von Platen
Expand and Fine Tune Sci-BERT	如何在 CORD 数据集上增加 AllenAI 预训练的 SciBERT 模型的词汇量，并对其进行流水线化	Tanmay Thakur
Fine Tune BlenderBotSmall for Summarization using the Trainer API	如何使用Trainer API在自定义数据集上对BlenderBotSmall进行微调以进行文本摘要	Tanmay Thakur
Fine-tune Electra and interpret with Integrated Gradients	如何对Electra模型进行微调以进行情感分析，并使用Captum集成梯度来解释预测结果	Eliza Szczechla
fine-tune a non-English GPT-2 Model with Trainer class	如何使用 Trainer 类微调非英语 GPT-2 模型	Philipp Schmid
Fine-tune a DistilBERT Model for Multi Label Classification task	如何针对多标签分类任务微调 DistilBERT 模型	Dhaval Taunk
Fine-tune ALBERT for sentence-pair classification	如何针对句子对分类任务对 ALBERT 模型或其他基于 BERT 的模型进行微调	Nadir El Manouzi
Fine-tune Roberta for sentiment analysis	如何微调 Roberta 模型进行情绪分析	Dhaval Taunk
Evaluating Question Generation Models	你的 seq2seq 转换器模型生成的问题的答案有多准确？	Pascal Zoleko
Classify text with DistilBERT and Tensorflow	如何在 TensorFlow 中微调 DistilBERT 以进行文本分类	Peter Bayerle
Leverage BERT for Encoder-Decoder Summarization on CNN/Dailymail	如何在CNN/Dailymail摘要任务上使用google-bert/bert-base-uncased检查点对EncoderDecoderModel进行热启动	Patrick von Platen
Leverage RoBERTa for Encoder-Decoder Summarization on BBC XSum	如何在BBC/XSum摘要任务上使用FacebookAI/roberta-base检查点对共享的EncoderDecoderModel进行热启动	Patrick von Platen
Fine-tune TAPAS on Sequential Question Answering (SQA)	如何在Sequential Question Answering (SQA)数据集上使用tapas-base检查点对TapasForQuestionAnswering进行微调	Niels Rogge
Evaluate TAPAS on Table Fact Checking (TabFact)	如何结合使用 🤗 数据集和 🤗 transformers 库，使用tapas-base-finetuned-tabfact检查点评估经过微调的TapasForSequenceClassification	Niels Rogge
Fine-tuning mBART for translation	如何使用 Seq2SeqTrainer 对 mBART 进行微调以实现印地语到英语的翻译	Vasudev Gupta
Fine-tune LayoutLM on FUNSD (a form understanding dataset)	如何在FUNSD数据集上对LayoutLMForTokenClassification进行微调以从扫描文档中提取信息	Niels Rogge
Fine-Tune DistilGPT2 and Generate Text	如何微调 DistilGPT2 并生成文本	Aakash Tripathi
Fine-Tune LED on up to 8K tokens	如何对LED模型在PubMed数据集上进行微调以进行长文本摘要	Patrick von Platen
Evaluate LED on Arxiv	如何有效评估LED模型的长远发展	Patrick von Platen
Fine-tune LayoutLM on RVL-CDIP (a document image classification dataset)	如何在 RVL-CDIP 数据集上微调LayoutLMForSequenceClassification以进行扫描文档分类	Niels Rogge
Wav2Vec2 CTC decoding with GPT2 adjustment	如何通过语言模型调整解码 CTC 序列	Eric Lam
Fine-tune BART for summarization in two languages with Trainer class	如何使用Trainer类对BART模型进行多语言摘要任务的微调	Eliza Szczechla
Evaluate Big Bird on Trivia QA	评估BigBird模型在长文档问答任务上的性能，特别是在Trivia QA数据集上	Patrick von Platen
Create video captions using Wav2Vec2	如何使用Wav2Vec对任何视频的音频进行转录以创建YouTube字幕	Niklas Muennighoff
Fine-tune the Vision Transformer on CIFAR-10 using PyTorch Lightning	如何使用HuggingFace的Transformers、Datasets和PyTorch Lightning在CIFAR-10数据集上对Vision Transformer（ViT）进行微调	Niels Rogge
Fine-tune the Vision Transformer on CIFAR-10 using the 🤗 Trainer	如何使用HuggingFace的Transformers、Datasets和🤗 Trainer在CIFAR-10数据集上对Vision Transformer（ViT）进行微调	Niels Rogge
Evaluate LUKE on Open Entity, an entity typing dataset	如何在开放实体数据集上评估LukeForEntityClassification	Ikuya Yamada
Evaluate LUKE on TACRED, a relation extraction dataset	如何在 TACRED 数据集上评估LukeForEntityPairClassification	Ikuya Yamada
Evaluate LUKE on CoNLL-2003, an important NER benchmark	如何在 CoNLL-2003 数据集上评估LukeForEntitySpanClassification	Ikuya Yamada
Evaluate BigBird-Pegasus on PubMed dataset	如何在 PubMed 数据集上评估BigBirdPegasusForConditionalGeneration	Vasudev Gupta
Speech Emotion Classification with Wav2Vec2	如何利用预训练的 Wav2Vec2 模型在 MEGA 数据集上进行情绪分类	Mehrdad Farahani
Detect objects in an image with DETR	如何使用经过训练的DetrForObjectDetection模型检测图像中的物体并可视化注意力	Niels Rogge
Fine-tune DETR on a custom object detection dataset	如何在自定义对象检测数据集上微调DetrForObjectDetection	Niels Rogge
Finetune T5 for Named Entity Recognition	如何在命名实体识别任务中微调T5	Ogundepo Odunayo
Fine-Tuning Open-Source LLM using QLoRA with MLflow and PEFT	如何使用QLoRA 和PEFT以内存高效的方式微调大型语言模型（LLM），同时使用 MLflow进行实验跟踪	Yuki Watanabe

< > Update on GitHub