Merge branch 'main' into main

huggingface · May 21, 2024 · 80eb463 · 80eb463
2 parents 2aed933 + 7d9fd84
commit 80eb463
Show file tree

Hide file tree

Showing 47 changed files with 274 additions and 273 deletions.
diff --git a/chapters/ar/chapter0/1.mdx b/chapters/ar/chapter0/1.mdx
@@ -105,7 +105,7 @@ ls -a
 source .env/bin/activate
 
 # Deactivate the virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 
 <div dir="rtl" style="direction:rtl;text-align:right;">

diff --git a/chapters/bn/chapter0/1.mdx b/chapters/bn/chapter0/1.mdx
@@ -87,7 +87,7 @@ ls -a
 source .env/bin/activate
 
 # virtual environment টি deactivate করার কমান্ড
-source .env/bin/deactivate
+deactivate
 ```
 
 `which python` কমান্ড চালিয়ে নিশ্চিত করতে পারেন যে  virtual environment টি activate হয়েছে কিনা। 

diff --git a/chapters/de/chapter0/1.mdx b/chapters/de/chapter0/1.mdx
@@ -86,7 +86,7 @@ Mit den Skripten "activate" und "deactivate" kannst du in deine virtuelle Umgebu
 source .env/bin/activate
 
 # Deaktivieren der virtuellen Umgebung
-source .env/bin/deactivate
+deactivate
 ```
 
 Du kannst dich vergewissern, dass die Umgebung aktiviert ist, indem du den Befehl `which python` ausführst: Wenn er auf die virtuelle Umgebung verweist, dann hast du sie erfolgreich aktiviert!

diff --git a/chapters/en/chapter0/1.mdx b/chapters/en/chapter0/1.mdx
@@ -86,7 +86,7 @@ You can jump in and out of your virtual environment with the `activate` and `dea
 source .env/bin/activate
 
 # Deactivate the virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 
 You can make sure that the environment is activated by running the `which python` command: if it points to the virtual environment, then you have successfully activated it!

diff --git a/chapters/en/chapter7/6.mdx b/chapters/en/chapter7/6.mdx
@@ -383,13 +383,13 @@ Now we can use the `prepare_tf_dataset()` method to convert our datasets to Tens
 
 ```python
 tf_train_dataset = model.prepare_tf_dataset(
-    tokenized_dataset["train"],
+    tokenized_datasets["train"],
     collate_fn=data_collator,
     shuffle=True,
     batch_size=32,
 )
 tf_eval_dataset = model.prepare_tf_dataset(
-    tokenized_dataset["valid"],
+    tokenized_datasets["valid"],
     collate_fn=data_collator,
     shuffle=False,
     batch_size=32,
@@ -726,9 +726,9 @@ Let's start with the dataloaders. We only need to set the dataset's format to `"
 ```py
 from torch.utils.data.dataloader import DataLoader
 
-tokenized_dataset.set_format("torch")
-train_dataloader = DataLoader(tokenized_dataset["train"], batch_size=32, shuffle=True)
-eval_dataloader = DataLoader(tokenized_dataset["valid"], batch_size=32)
+tokenized_datasets.set_format("torch")
+train_dataloader = DataLoader(tokenized_datasets["train"], batch_size=32, shuffle=True)
+eval_dataloader = DataLoader(tokenized_datasets["valid"], batch_size=32)
 ```
 
 Next, we group the parameters so that the optimizer knows which ones will get an additional weight decay. Usually, all bias and LayerNorm weights terms are exempt from this; here's how we can do this:

diff --git a/chapters/es/chapter0/1.mdx b/chapters/es/chapter0/1.mdx
@@ -86,7 +86,7 @@ Puedes entrar y salir de tu entorno virtual con los scripts `activate` y `deacti
 source .env/bin/activate
 
 # Desactiva el entorno virtual
-source .env/bin/deactivate
+deactivate
 ```
 
 Puedes asegurarte de que el entorno está activado ejecutando el comando `which python`: si apunta al entorno virtual, entonces lo has activado con éxito.

diff --git a/chapters/fa/chapter0/1.mdx b/chapters/fa/chapter0/1.mdx
@@ -115,7 +115,7 @@
   source .env/bin/activate
 
   \# Deactivate the virtual environment
-  source .env/bin/deactivate
+  deactivate
   ```
 
 </div>

diff --git a/chapters/fr/chapter0/1.mdx b/chapters/fr/chapter0/1.mdx
@@ -86,7 +86,7 @@ Vous pouvez entrer et sortir de votre environnement virtuel avec les scripts `ac
 source .env/bin/activate
 
 # Deactivate the virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 
 Vous pouvez vous assurer que l'environnement est activé en exécutant la commande `which python` : si elle pointe vers l'environnement virtuel, alors vous l'avez activé avec succès !

diff --git a/chapters/gj/chapter0/1.mdx b/chapters/gj/chapter0/1.mdx
@@ -86,7 +86,7 @@ ls -a
 source .env/bin/activate
 
 # Deactivate the virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 
 જો તમે verify કરવા માંગતા હોવ તો `which python` command run કરો. એ તમરા virtual environment ના ફોલ્ડર ને આઉટપુટ માં આપશે. આ એવું સાબિત કરે છે કે virtual environment સફળાપૂર્વક active છે.!

diff --git a/chapters/he/chapter0/1.mdx b/chapters/he/chapter0/1.mdx
@@ -108,7 +108,7 @@ ls -a
 source .env/bin/activate
 
 # Deactivate the virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 </div>
 

diff --git a/chapters/hi/chapter0/1.mdx b/chapters/hi/chapter0/1.mdx
@@ -86,7 +86,7 @@ ls -a
 source .env/bin/activate
 
 # Deactivate the virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 
 आप यह सुनिश्चित कर सकते हैं कि `which python` आदेश चलाकर कौन सा पर्यावरण सक्रिय है: यदि यह आभासी वातावरण की ओर इशारा करता है, तो आपने इसे सफलतापूर्वक सक्रिय कर दिया है!

diff --git a/chapters/id/chapter0/1.mdx b/chapters/id/chapter0/1.mdx
@@ -86,7 +86,7 @@ Instruksi dibawah adalah instruksi untuk mengaktifkan dan menonaktifkan _virtual
 source .env/bin/activate
 
 # Menonaktifkan virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 
 Anda bisa memastikan bahwa anda menggunakan Python versi _virtual environment_ dengan mengeksekusi `which python` di terminal: jika balasan terminal adalah Python di dalam folder *.env*, maka _virtual environment_ anda sudah aktif!

diff --git a/chapters/it/chapter0/1.mdx b/chapters/it/chapter0/1.mdx
@@ -86,7 +86,7 @@ Puoi entrare e uscire dall'ambiente virtuale utilizzando gli script `activate` e
 source .env/bin/activate
 
 # Deactivate the virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 
 Assicurati che l'ambiente sia configurato correttamente eseguendo il comando `which python`: se come risposta ottieni l'ambiente virtuale, significa che l'hai attivato bene!

diff --git a/chapters/ja/chapter0/1.mdx b/chapters/ja/chapter0/1.mdx
@@ -86,7 +86,7 @@ ls -a
 source .env/bin/activate
 
 # Deactivate the virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 
 仮想環境が有効になっているかどうかは、`which python`というコマンドを実行することで確認することができます。もし以下のように仮想環境であることを示していれば、正常に有効化できています！

diff --git a/chapters/ko/chapter0/1.mdx b/chapters/ko/chapter0/1.mdx
@@ -86,7 +86,7 @@ ls -a
 source .env/bin/activate
 
 # Deactivate the virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 
 환경이 제대로 활성화 되었는지 `which python` 명령어를 실행하여 확인해 봅시다. 아래와 같이 가상 환경을 보여준다면 제대로 활성화가 것입니다!

diff --git a/chapters/ko/chapter1/9.mdx b/chapters/ko/chapter1/9.mdx
@@ -13,4 +13,4 @@
 | --- | --- | --- |
 | 인코더 | ALBERT, BERT, DistilBERT, ELECTRA, RoBERTa | 문장 분류, 개체명 인식, 추출 질의 응답 |
 | 디코더 | CTRL, GPT, GPT-2, Transformer XL | 텍스트 생성 |
-| 인코더-디코더 | BART, T5, Marian, mBART | 오약, 번역, 생성 질의 응답 |
+| 인코더-디코더 | BART, T5, Marian, mBART | 요약, 번역, 생성 질의 응답 |
diff --git a/chapters/ko/chapter2/2.mdx b/chapters/ko/chapter2/2.mdx
@@ -60,7 +60,7 @@ classifier(
 <img class="hidden dark:block" src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter2/full_nlp_pipeline-dark.svg" alt="The full NLP pipeline: tokenization of text, conversion to IDs, and inference through the Transformer model and the model head."/>
 </div>
 
-각 단게에 대해 빠르게 살펴보겠습니다.
+각 단계에 대해 빠르게 살펴보겠습니다.
 
 ## 토크나이저를 이용한 전처리[[preprocessing-with-a-tokenizer]]
 

diff --git a/chapters/pt/chapter0/1.mdx b/chapters/pt/chapter0/1.mdx
@@ -87,7 +87,7 @@ Você pode acessar e sair do seu ambiente virtual com os scripts `activate` e `d
 source .env/bin/activate
 
 # Deactivate the virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 
 Você pode ter certeza que seu ambiente virtual está ativado rodando o comando `which python`: se ele apontar para o ambiente virtual, então você conseguiu ativa-lo com sucesso!

diff --git a/chapters/ru/chapter0/1.mdx b/chapters/ru/chapter0/1.mdx
@@ -85,7 +85,7 @@ ls -a
 source .env/bin/activate
 
 # Деактивировать окружение
-source .env/bin/deactivate
+deactivate
 ```
 
 Вы можете убедиться, что окружение активировано с помощью команды `which python`: если ее результат указывает на виртуальное окружение, значит, вы успешно активировали его!

diff --git a/chapters/th/chapter0/1.mdx b/chapters/th/chapter0/1.mdx
@@ -88,7 +88,7 @@ ls -a
 source .env/bin/activate
 
 # Deactivate the virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 
 คุณสามารถตรวจสอบได้ว่า คุณอยู่ใน environment ใดได้ด้วยคำสั่ง `which python` ระบบจะแสดงผล environment ที่คุณกำลังใช้งานอยู่

diff --git a/chapters/tr/chapter0/1.mdx b/chapters/tr/chapter0/1.mdx
@@ -86,7 +86,7 @@ ls -a
 source .env/bin/activate
 
 # Deactivate the virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 
 `which python` komutunu kullanarak hangi Python kurulumunda olduğunuzu öğrenebilirsiniz: Eğer sanal ortamı gösteriyorsa sizi tebrik ederim başarıyla sanal ortam kurmuşsunuz demektir!

diff --git a/chapters/vi/chapter0/1.mdx b/chapters/vi/chapter0/1.mdx
@@ -94,7 +94,7 @@ Bạn có thể vào và thoát ra khỏi môi trường ảo của mình bằng
 source .env/bin/activate
 
 # Huỷ kích hoạt môi trường ảo
-source .env/bin/deactivate
+deactivate
 ```
 
 Bạn có thể đảm bảo rằng môi trường đã được kích hoạt bằng cách chạy lệnh `which python`: nếu nó trỏ đến môi trường ảo thì bạn đã kích hoạt nó thành công!

diff --git a/chapters/zh-CN/_toctree.yml b/chapters/zh-CN/_toctree.yml
@@ -57,7 +57,7 @@
     title: 使用 Trainer API 或者 Keras 微调一个模型
     local_fw: { pt: chapter3/3, tf: chapter3/3_tf }
   - local: chapter3/4
-    title: 一个完成的训练过程
+    title: 一个完整的训练过程
   - local: chapter3/5
     title: 微调，章节回顾!
   - local: chapter3/6

diff --git a/chapters/zh-CN/chapter0/1.mdx b/chapters/zh-CN/chapter0/1.mdx
@@ -1,6 +1,6 @@
 # 课程简介 [[课程简介]]
 
-欢迎来到拥抱脸课程！本介绍将指导您设置工作环境。如果您刚开始学习本课程，我们建议您先阅读[第一章](/course/chapter1), 然后再回来设置您的环境，以便您可以自己尝试运行代码。
+欢迎来到Hugging Face课程！本介绍将指导您设置工作环境。如果您刚开始学习本课程，我们建议您先阅读[第一章](/course/chapter1), 然后再回来设置您的环境，以便您可以自己尝试运行代码。
 
 我们将在本课程中使用的所有库都以 Python 包的形式提供，因此在这里我们将向您展示如何设置 Python 环境并安装您需要的特定库。
 
@@ -50,9 +50,9 @@ import transformers
 
 如果您更喜欢使用 Python 虚拟环境，那么第一步是在您的系统上安装 Python。我们建议您按照[这个教程](https://realpython.com/installing-python/)进行配置。
 
-安装 Python 后，您应该能够在终端中运行 Python 命令。您可以先运行以下命令来检验爱装是否正确，然后再继续下一步：**python --version**。这应该会打印出您系统上现在可用的 Python 版本。
+安装 Python 后，您应该能够在终端中运行 Python 命令。您可以先运行以下命令来检验爱装是否正确，然后再继续下一步：`python --version`。这应该会打印出您系统上现在可用的 Python 版本。
 
-在终端中运行 Python 命令（例如 **python --version**）时，您应该将运行命令的这个Python视为系统上的“默认”Python。我们建议保持这个默认的Python安装程序没有任何包，当运行某个程序的时候就为那个程序创建一个单独的运行环境 - 这样，每个应用程序都可以有自己的依赖项和包，您无需担心与其他应用程序潜在的兼容性问题。
+在终端中运行 Python 命令（例如 `python --version`）时，您应该将运行命令的这个Python视为系统上的“默认”Python。我们建议保持这个默认的Python安装程序没有任何包，当运行某个程序的时候就为那个程序创建一个单独的运行环境 - 这样，每个应用程序都可以有自己的依赖项和包，您无需担心与其他应用程序潜在的兼容性问题。
 
 在 Python 中，这是通过 [*虚拟环境*](https://docs.python.org/3/tutorial/venv.html)实现的，虚拟环境会创建许多目录树，每个目录树都包含具有特定 Python 版本的 Python 安装以及应用程序所需的所有包。可以使用许多不同的工具来创建这样的虚拟环境，但在此我们将使用官方 Python 包：[`venv`](https://docs.python.org/3/library/venv.html#module-venv).
 
@@ -86,7 +86,7 @@ ls -a
 source .env/bin/activate
 
 # Deactivate the virtual environment
-source .env/bin/deactivate
+deactivate
 ```
 
 您可以通过运行 `which python` 命令来检测虚拟环境是否被激活：如果它指向虚拟环境，那么您已经成功激活了它！

diff --git a/chapters/zh-CN/chapter1/1.mdx b/chapters/zh-CN/chapter1/1.mdx
@@ -68,14 +68,14 @@
 - **如果我有问题，我可以在哪里提问？**
 如果您对课程的任何部分有疑问，只需单击页面顶部的“*提问*”横幅，系统就会自动重定向到 [Hugging Face 论坛](https:// discuss.huggingface.co/):
 
-<img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/forum-button.png" alt="拥抱脸论坛链接" width=" 75%">
+<img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/forum-button.png" alt="Hugging Face论坛链接" width=" 75%">
 
 请注意，如果您想在完成课程后进行更多练习，论坛上还提供了[项目灵感](https://discuss.huggingface.co/c/course/course-event/25) 列表。
 
 - **我在哪里可以获得课程的代码？**
 对于每个部分，单击页面顶部的横幅可以在 Google Colab 或 Amazon SageMaker Studio Lab 中运行代码：
 
-<img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/notebook-buttons.png" alt="拥抱脸课程笔记本链接" width= "75%">
+<img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/notebook-buttons.png" alt="Hugging Face课程笔记本链接" width= "75%">
 
 包含课程所有代码的 Jupyter 笔记本托管在 [`huggingface/notebooks`](https://github.com/huggingface/notebooks) 仓库中。 如果您希望在本地生成它们，请查看 GitHub 上 [`course`](https://github.com/huggingface/course#-jupyter-notebooks) 仓库中的说明。
 

diff --git a/chapters/zh-CN/chapter1/3.mdx b/chapters/zh-CN/chapter1/3.mdx
@@ -17,7 +17,8 @@
 ## Transformer被应用于各个方面！ [[Transformer被应用于各个方面！]]
 Transformer 模型用于解决各种 NLP 任务，就像上一节中提到的那样。以下是一些使用 Hugging Face 和 Transformer 模型的公司和组织，他们也通过分享他们的模型回馈社区：
 
-![使用 Hugging Face 的公司](https://huggingface.co/course/static/chapter1/companies.PNG)
+<img src="https://huggingface.co/datasets/huggingface-course/documentation-images/resolve/main/en/chapter1/companies.PNG" alt="使用 Hugging Face 的公司" width="100%">
+
 [🤗 Transformers 库](https://github.com/huggingface/transformers)提供了创建和使用这些共享模型的功能。[模型中心（hub）](https://huggingface.co/models)包含数千个任何人都可以下载和使用的预训练模型。您还可以将自己的模型上传到 Hub！
 
 <Tip>
@@ -65,15 +66,15 @@ classifier(
 
 目前[可用的一些pipeline](https://huggingface.co/transformers/main_classes/pipelines.html)是：
 
-* **特征提取**（获取文本的向量表示）
-* **填充空缺**
-* **ner**（命名实体识别）
-* **问答**
-* **情感分析**
-* **文本摘要**
-* **文本生成**
-* **翻译**
-* **零样本分类**
+* `feature-extraction`（获取文本的向量表示）
+* `fill-mask`
+* `ner`（命名实体识别）
+* `question-answering`
+* `sentiment-analysis`
+* `summarization`
+* `text-generation`
+* `translation`
+* `zero-shot-classification`
 
 让我们来看看其中的一些吧！
 
@@ -97,7 +98,7 @@ classifier(
 
 此pipeline称为zero-shot，因为您不需要对数据上的模型进行微调即可使用它。它可以直接返回您想要的任何标签列表的概率分数！
 <Tip>
-✏️**快来试试吧！**使用您自己的序列和标签，看看模型的行为。
+✏️**快来试试吧！** 使用您自己的序列和标签，看看模型的行为。
 </Tip>
 
 ## 文本生成 [[文本生成]]
@@ -119,7 +120,7 @@ generator("In this course, we will teach you how to")
 您可以使用参数 **num_return_sequences** 控制生成多少个不同的序列，并使用参数 **max_length** 控制输出文本的总长度。
 
 <Tip>
-✏️**快来试试吧！**使用 num_return_sequences 和 max_length 参数生成两个句子，每个句子 15 个单词。
+✏️**快来试试吧！** 使用 num_return_sequences 和 max_length 参数生成两个句子，每个句子 15 个单词。
 </Tip>
 
 ## 在pipeline中使用 Hub 中的其他模型 [[在pipeline中使用 Hub 中的其他模型]]
@@ -148,7 +149,7 @@ generator(
 
 通过单击选择模型后，您会看到有一个小组件，可让您直接在线试用。通过这种方式，您可以在下载之前快速测试模型的功能。
 <Tip>
-✏️**快来试试吧！**使用标签筛选查找另一种语言的文本生成模型。使用小组件测试并在pipeline中使用它！
+✏️**快来试试吧！** 使用标签筛选查找另一种语言的文本生成模型。使用小组件测试并在pipeline中使用它！
 </Tip>
 
 ## 推理 API [[推理 API]]
@@ -177,7 +178,7 @@ unmasker("This course will teach you all about <mask> models.", top_k=2)
 **top_k** 参数控制要显示的结果有多少种。请注意，这里模型填充了特殊的< **mask** >词，它通常被称为掩码标记。其他掩码填充模型可能有不同的掩码标记，因此在探索其他模型时要验证正确的掩码字是什么。检查它的一种方法是查看小组件中使用的掩码。
 
 <Tip>
-✏️**快来试试吧！**在 Hub 上搜索基于 bert 的模型并在推理 API 小组件中找到它的掩码。这个模型对上面pipeline示例中的句子预测了什么？
+✏️**快来试试吧！** 在 Hub 上搜索基于 bert 的模型并在推理 API 小组件中找到它的掩码。这个模型对上面pipeline示例中的句子预测了什么？
 </Tip>
 
 ## 命名实体识别 [[命名实体识别]]
@@ -199,7 +200,7 @@ ner("My name is Sylvain and I work at Hugging Face in Brooklyn.")
 我们在pipeline创建函数中传递选项 **grouped_entities=True** 以告诉pipeline将对应于同一实体的句子部分重新组合在一起：这里模型正确地将“Hugging”和“Face”分组为一个组织，即使名称由多个词组成。事实上，正如我们即将在下一章看到的，预处理甚至会将一些单词分成更小的部分。例如，**Sylvain** 分割为了四部分：**S、##yl、##va** 和 **##in**。在后处理步骤中，pipeline成功地重新组合了这些部分。
 
 <Tip>
-✏️**快来试试吧！**在模型中心（hub）搜索能够用英语进行词性标注（通常缩写为 POS）的模型。这个模型对上面例子中的句子预测了什么？
+✏️**快来试试吧！** 在模型中心（hub）搜索能够用英语进行词性标注（通常缩写为 POS）的模型。这个模型对上面例子中的句子预测了什么？
 </Tip>
 
 ## 问答系统 [[问答系统]]
@@ -280,7 +281,7 @@ translator("Ce cours est produit par Hugging Face.")
 
 <Tip>
 
-✏️**快来试试吧！**搜索其他语言的翻译模型，尝试将前一句翻译成几种不同的语言。
+✏️**快来试试吧！** 搜索其他语言的翻译模型，尝试将前一句翻译成几种不同的语言。
 
 </Tip>