“카드뉴스” 검색 결과
공개 팩 628개에서 19건단어로 순위를 매김
문서
Finding a skill in this pack
Finding a skill in this pack › Three ways to find a skill…sentence of instructions. The pack's words are English: a request in Korean, Japanese or any other language is translated to the English words first (카드뉴스 is "card news", 발표자료 is "slides" or…skillcdn/skills스킬 팩docs/pack/finding-a-skill.md
문서
리포지토리 카드[[repository-cards]]
리포지토리 카드[[repository-cards]] › 모델 카드[[model-cards]]huggingface/huggingface_hub저장소docs/source/ko/package_reference/cards.md
문서
모델 카드 생성 및 공유[[create-and-share-model-cards]]
모델 카드 생성 및 공유[[create-and-share-model-cards]] › 모델 카드 만들기[[create-model-cards]]문서
Hub와 어떤 머신 러닝 프레임워크든 통합[[integrate-any-ml-framework-with-the-hub]]
Hub와 어떤 머신 러닝 프레임워크든 통합[[integrate-any-ml-framework-with-the-hub]] › 더욱 복잡한 접근법: 클래스 상속[[a-more-complex-approach-class-inheritance]] › 고급 사용법[[advanced-usage]] › 모델 카드[[model-card]][ModelHubMixin]은 모델 카드를 자동으로 생성합니다. 모델 카드는 모델과 함께 제공되는 중요한 정보를 제공하는 파일입니다. 모델 카드는 추가 메타데이터가 포함된 간단한 Markdown 파일입니다. 모델 카드는 발견 가능성, 재현성 및 공유를 위해 중요합니다! 더 자세한 내용은 모델 카드 가이드를 확인하세요.문서
모델 공유하기[[share-a-model]]
모델 공유하기[[share-a-model]] › 모델 카드 추가하기[[add-a-model-card]]사용자가 모델의 기능, 제한, 잠재적 편향 및 윤리적 고려 사항을 이해할 수 있도록 저장소에 모델 카드를 추가하세요. 모델 카드는 README.md 파일에 정의되어 있습니다. 다음 방법으로 모델 카드를 추가할 수 있습니다:문서
모델 공유하기[[share-a-model]]
모델 공유하기[[share-a-model]] › 모델 카드 추가하기[[add-a-model-card]]사용자가 모델의 기능, 제한, 잠재적 편향 및 윤리적 고려 사항을 이해할 수 있도록 저장소에 모델 카드를 추가하세요. 모델 카드는 README.md 파일에 정의되어 있습니다. 다음 방법으로 모델 카드를 추가할 수 있습니다:문서
오디오 분류[[audio_classification]]
오디오 분류[[audio_classification]] › 전처리[[preprocess]]MinDS-14 데이터 세트의 샘플링 속도는 8khz이므로(이 정보는 데이터세트 카드에서 확인할 수 있습니다), 사전 훈련된 Wav2Vec2 모델을 사용하려면 데이터 세트를 16kHz로 리샘플링해야 합니다:문서
오디오 분류[[audio_classification]]
오디오 분류[[audio_classification]] › 전처리[[preprocess]]MinDS-14 데이터 세트의 샘플링 속도는 8khz이므로(이 정보는 데이터세트 카드에서 확인할 수 있습니다), 사전 훈련된 Wav2Vec2 모델을 사용하려면 데이터 세트를 16kHz로 리샘플링해야 합니다:문서
How-to 가이드 [[howto-guides]]
How-to 가이드 [[howto-guides]]모델 카드문서
Searching a pack of documents
Searching a pack of documents › Words…and Chinese words are matched by pairs of characters, so an inflected word finds its stem and a particle written onto a word does not hide it; still, search for the stem (연차, 법인카드) rather than the…문서
사전 학습된 모델 미세 튜닝하기[[finetune-a-pretrained-model]]
사전 학습된 모델 미세 튜닝하기[[finetune-a-pretrained-model]] › 파이토치 Trainer로 훈련하기[[train-with-pytorch-trainer]]먼저 모델을 가져오고 예상되는 레이블 수를 지정합니다. Yelp 리뷰 데이터셋 카드에서 5개의 레이블이 있음을 알 수 있습니다:문서
사전 학습된 모델 미세 튜닝하기[[finetune-a-pretrained-model]]
사전 학습된 모델 미세 튜닝하기[[finetune-a-pretrained-model]] › 파이토치 Trainer로 훈련하기[[train-with-pytorch-trainer]]먼저 모델을 가져오고 예상되는 레이블 수를 지정합니다. Yelp 리뷰 데이터셋 카드에서 5개의 레이블이 있음을 알 수 있습니다:문서
자동 음성 인식[[automatic-speech-recognition]]
자동 음성 인식[[automatic-speech-recognition]] › 전처리[[preprocess]]MInDS-14 데이터 세트의 샘플링 레이트는 8000kHz이므로(데이터 세트 카드에서 확인), 사전 훈련된 Wav2Vec2 모델을 사용하려면 데이터 세트를 16000kHz로 리샘플링해야 합니다:문서
자동 음성 인식[[automatic-speech-recognition]]
자동 음성 인식[[automatic-speech-recognition]] › 전처리[[preprocess]]MInDS-14 데이터 세트의 샘플링 레이트는 8000kHz이므로(데이터 세트 카드에서 확인), 사전 훈련된 Wav2Vec2 모델을 사용하려면 데이터 세트를 16000kHz로 리샘플링해야 합니다:문서
Space 관리하기[[manage-your-space]]
Space 관리하기[[manage-your-space]] › 간단한 예제: 보안 정보 및 하드웨어 구성하기.[[a-simple-example-configure-secrets-and-hardware]]기본적으로 Space는 무료로 CPU 환경에서 실행됩니다. GPU에서 실행하기 위해 하드웨어를 업그레이드 할 수도 있습니다. 하드웨어를 업그레이드하려면 결제 카드 또는 커뮤니티 그랜트가 필요합니다. 자세한 내용은 문서를 참조하세요.문서
Hub에서 파일 다운로드하기[[download-files-from-the-hub]]
Hub에서 파일 다운로드하기[[download-files-from-the-hub]] › 전체 리포지토리 다운로드하기[[download-an-entire-repository]] › 다운로드할 파일 선택하기[[filter-files-to-download]]이 매개변수들은 하나의 패턴이나 패턴의 리스트를 받을 수 있습니다. 패턴은 여기에서 설명된 것처럼 표준 와일드카드(글로빙 패턴)입니다. 패턴 매칭은 fnmatch에 기반합니다.문서
다중 GPU에서 효율적인 훈련 [[efficient-training-on-multiple-gpus]]
다중 GPU에서 효율적인 훈련 [[efficient-training-on-multiple-gpus]] › 네이티브 모델 병렬 처리(수직적) 및 파이프라인 병렬 처리[[naive-model-parallelism-vertical-and-pipeline-parallelism]]- 이 방식을 "naive" MP라고 부르는 이유는 주어진 상황에 하나의 GPU를 제외한 모든 GPU가 유휴 상태라는 점입니다. 따라서 4개의 GPU를 사용하는 경우 단일 GPU의 메모리 양을 4배로 늘리고 나머지 하드웨어는 무시하는 것과 거의 동일합니다. 또한 장치 간 데이터 복사의 오버헤드도 있습니다. 따라서 4개의 6GB 카드는 naive MP를…문서
다중 GPU에서 효율적인 훈련 [[efficient-training-on-multiple-gpus]]
다중 GPU에서 효율적인 훈련 [[efficient-training-on-multiple-gpus]] › 네이티브 모델 병렬 처리(수직적) 및 파이프라인 병렬 처리[[naive-model-parallelism-vertical-and-pipeline-parallelism]]- 이 방식을 "naive" MP라고 부르는 이유는 주어진 상황에 하나의 GPU를 제외한 모든 GPU가 유휴 상태라는 점입니다. 따라서 4개의 GPU를 사용하는 경우 단일 GPU의 메모리 양을 4배로 늘리고 나머지 하드웨어는 무시하는 것과 거의 동일합니다. 또한 장치 간 데이터 복사의 오버헤드도 있습니다. 따라서 4개의 6GB 카드는 naive MP를…문서
Hub에 파일 업로드하기[[upload-files-to-the-hub]]
Hub에 파일 업로드하기[[upload-files-to-the-hub]] › 폴더 업로드[[upload-a-folder]]하드코딩된 .gitignore 파일을 사용하지 않으려면 allow_patterns 와 ignore_patterns 인수를 사용하여 업로드할 파일을 필터링할 수 있습니다. 이 매개변수들은 단일 패턴 또는 패턴 리스트를 허용합니다. 패턴의 형식은 이 문서에 설명된 대로 표준 와일드카드(글로빙 패턴)입니다. allow_patterns과…