From 4518e051ffba943ddc840b183314250824ce0075 Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Thu, 22 Aug 2024 23:19:19 +0300 Subject: [PATCH 01/17] Add docs/source/ar/autoclass_tutorial.md to Add_docs_source_ar_autoclass_tutorial.md --- docs/source/ar/autoclass_tutorial.md | 165 +++++++++++++++++++++++++++ 1 file changed, 165 insertions(+) create mode 100644 docs/source/ar/autoclass_tutorial.md diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md new file mode 100644 index 000000000000..e8351974a3e2 --- /dev/null +++ b/docs/source/ar/autoclass_tutorial.md @@ -0,0 +1,165 @@ +# قم بتحميل المثيلات التي تم تدريبها مسبقًا باستخدام AutoClass +لم ترغب في إنشاء محول معماري لمؤشر الترابط الخاص بك، فهناك العديد من محولات المعمارية المختلفة التي يمكنك الاختيار من بينها. كجزء من الفلسفة الأساسية لـ 🤗 Transformers لجعل المكتبة سهلة وبسيطة ومرنة، فإن فئة `AutoClass` تستدل تلقائيًا وتحمّل البنية الصحيحة من نقطة تفتيش معينة. تسمح لك طريقة `from_pretrained()` بتحميل نموذج مُدرب مسبقًا لأي بنية بسرعة حتى لا تضطر إلى تكريس الوقت والموارد لتدريب نموذج من الصفر. إن إنتاج هذا النوع من التعليمات البرمجية غير المعتمدة على نقاط التفتيش يعني أنه إذا نجح رمزك مع نقطة تفتيش واحدة، فسيتم تشغيله مع نقطة تفتيش أخرى - طالما تم تدريبه لمهمة مماثلة - حتى إذا كانت البنية مختلفة. + +تذكر أن البنية تشير إلى هيكل النموذج، ونقاط التفتيش هي الأوزان لبنية معينة. على سبيل المثال، [BERT](https://huggingface.co/google-bert/bert-base-uncased) هي بنية، في حين أن `google-bert/bert-base-uncased` هي نقطة تفتيش. "النموذج" هو مصطلح عام يمكن أن يعني إما البنية أو نقطة التفتيش. + +في هذا البرنامج التعليمي، ستتعلم كيفية: + +* تحميل محدد مُدرب مسبقًا +* تحميل معالج صور مُدرب مسبقًا +* تحميل مستخرج ميزات مُدرب مسبقًا +* تحميل معالج مُدرب مسبقًا +* تحميل نموذج مُدرب مسبقًا +* تحميل نموذج كعمود فقري + +## AutoTokenizer + +تبدأ كل مهمة NLP تقريبًا بمحدد. يقوم المحلل اللغوي بتحويل إدخالك إلى تنسيق يمكن للنموذج معالجته. + +قم بتحميل محلل باستخدام [`AutoTokenizer.from_pretrained`]: + +```py +>>> from transformers import AutoTokenizer + +>>> tokenizer = AutoTokenizer.from_pretrained("google-bert/bert-base-uncased") +``` + +ثم قم بتحليل إدخالك على النحو الموضح أدناه: + +```py +>>> sequence = "In a hole in the ground there lived a hobbit." +>>> print(tokenizer(sequence)) +{'input_ids': [101, 1999, 1037, 4920, 1999, 1996, 2598, 2045, 2973, 1037, 7570, 10322, 4183, 1012, 102], + 'token_type_ids': [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], + 'attention_mask': [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]} +``` + +## AutoImageProcessor + +بالنسبة لمهمات الرؤية، يقوم معالج الصور بمعالجة الصورة إلى تنسيق الإدخال الصحيح. + +```py +>>> from transformers import AutoImageProcessor + +>>> image_processor = AutoImageProcessor.from_pretrained("google/vit-base-patch16-224") +``` + +## AutoBackbone + +
+ +
A Swin backbone with multiple stages for outputting a feature map.
+
+ +يسمح لك [`AutoBackbone`] باستخدام النماذج المُدربة مسبقًا كعمود فقري للحصول على خرائط ميزات من مراحل مختلفة من العمود الفقري. يجب عليك تحديد أحد المعلمات التالية في [`~PretrainedConfig.from_pretrained`]: + +* `out_indices` هو فهرس الطبقة التي تريد الحصول على خريطة الميزات منها +* `out_features` هو اسم الطبقة التي تريد الحصول على خريطة الميزات منها + +يمكن استخدام هذه المعلمات بشكل متبادل، ولكن إذا كنت تستخدم كلاً منها، فتأكد من أنها متوائمة مع بعضها البعض! إذا لم تمرر أيًا من هذه المعلمات، فسيقوم العمود الفقري بإرجاع خريطة الميزات من الطبقة الأخيرة. +
+ +
A feature map from the first stage of the backbone. The patch partition refers to the model stem.
+
+ +على سبيل المثال، في الرسم التخطيطي أعلاه، لإرجاع خريطة الميزات من المرحلة الأولى من العمود الفقري Swin، يمكنك تعيين `out_indices=(1,)`: + +```py +>>> from transformers import AutoImageProcessor, AutoBackbone +>>> import torch +>>> from PIL import Image +>>> import requests +>>> url = "http://images.cocodataset.org/val2017/000000039769.jpg" +>>> image = Image.open(requests.get(url, stream=True).raw) +>>> processor = AutoImageProcessor.from_pretrained("microsoft/swin-tiny-patch4-window7-224") +>>> model = AutoBackbone.from_pretrained("microsoft/swin-tiny-patch4-window7-224", out_indices=(1,)) + +>>> inputs = processor(image, return_tensors="pt") +>>> outputs = model(**inputs) +>>> feature_maps = outputs.feature_maps +``` + +الآن يمكنك الوصول إلى كائن `feature_maps` من المرحلة الأولى من العمود الفقري: + +```py +>>> list(feature_maps[0].shape) +[1, 96, 56, 56] +``` + +## AutoFeatureExtractor + +بالنسبة للمهام الصوتية، يقوم مستخرج الميزات بمعالجة إشارة الصوت إلى تنسيق الإدخال الصحيح. + +قم بتحميل مستخرج ميزات باستخدام [`AutoFeatureExtractor.from_pretrained`]: + +```py +>>> from transformers import AutoFeatureExtractor + +>>> feature_extractor = AutoFeatureExtractor.from_pretrained( +... "ehcalabres/wav2vec2-lg-xlsr-en-speech-emotion-recognition" +... ) +``` + +## AutoProcessor + +تتطلب المهام متعددة الوسائط معالجًا يجمع بين نوعين من أدوات المعالجة المسبقة. على سبيل المثال، يتطلب نموذج [LayoutLMV2](model_doc/layoutlmv2) معالج صور لمعالجة الصور ومحلل لغوي لمعالجة النص؛ يجمع المعالج بين الاثنين. + +قم بتحميل معالج باستخدام [`AutoProcessor.from_pretrained`]: + +```py +>>> from transformers import AutoProcessor + +>>> processor = AutoProcessor.from_pretrained("microsoft/layoutlmv2-base-uncased") +``` + +## AutoModel + + + +تسمح لك فئات `AutoModelFor` بتحميل نموذج مُدرب مسبقًا لمهمة معينة (راجع [هنا](model_doc/auto) للحصول على قائمة كاملة بالمهام المتاحة). على سبيل المثال، قم بتحميل نموذج لتصنيف التسلسل باستخدام [`AutoModelForSequenceClassification.from_pretrained`]: + +```py +>>> from transformers import AutoModelForSequenceClassification + +>>> model = AutoModelForSequenceClassification.from_pretrained("distilbert/distilbert-base-uncased") +``` + +أعد استخدام نفس نقطة التفتيش لتحميل بنية لمهمة مختلفة: + +```py +>>> from transformers import AutoModelForTokenClassification + +>>> model = AutoModelForTokenClassification.from_pretrained("distilbert/distilbert-base-uncased") +``` + + + +بالنسبة لنماذج PyTorch، تستخدم طريقة `from_pretrained()` `torch.load()` التي تستخدم داخليًا `pickle` والتي يُعرف أنها غير آمنة. بشكل عام، لا تقم مطلقًا بتحميل نموذج قد يكون مصدره مصدرًا غير موثوق به، أو قد يكون تم العبث به. يتم تخفيف هذا الخطر الأمني جزئيًا للنماذج العامة المستضافة على Hub Hugging Face، والتي يتم [فحصها بحثًا عن البرامج الضارة](https://huggingface.co/docs/hub/security-malware) في كل ارتكاب. راجع [توثيق Hub](https://huggingface.co/docs/hub/security) للحصول على أفضل الممارسات مثل [التحقق من التوقيع](https://huggingface.co/docs/hub/security-gpg#signing-commits-with-gpg) باستخدام GPG. + +لا تتأثر نقاط تفتيش TensorFlow و Flax، ويمكن تحميلها داخل بنيات PyTorch باستخدام `from_tf` و `from_flax` kwargs لطريقة `from_pretrained` للتحايل على هذه المشكلة. + + + + +بشكل عام، نوصي باستخدام فئة `AutoTokenizer` وفئة `AutoModelFor` لتحميل مثيلات مُدربة مسبقًا من النماذج. سيساعدك هذا في تحميل البنية الصحيحة في كل مرة. في البرنامج التعليمي التالي، تعرف على كيفية استخدام المحلل اللغوي ومعالج الصور ومستخرج الميزات والمعالج الذي تم تحميله حديثًا لمعالجة مجموعة بيانات للضبط الدقيق. + + +أخيرًا، تسمح لك فئات `TFAutoModelFor` بتحميل نموذج مُدرب مسبقًا لمهمة معينة (راجع [هنا](model_doc/auto) للحصول على قائمة كاملة بالمهام المتاحة). على سبيل المثال، قم بتحميل نموذج لتصنيف التسلسل باستخدام [`TFAutoModelForSequenceClassification.from_pretrained`]: + +```py +>>> from transformers import TFAutoModelForSequenceClassification + +>>> model = TFAutoModelForSequenceClassification.from_pretrained("distilbert/distilbert-base-uncased") +``` + +أعد استخدام نفس نقطة التفتيش لتحميل بنية لمهمة مختلفة: + +```py +>>> from transformers import TFAutoModelForTokenClassification + +>>> model = TFAutoModelForTokenClassification.from_pretrained("distilbert/distilbert-base-uncased") +``` + +بشكل عام، نوصي باستخدام فئة `AutoTokenizer` وفئة `TFAutoModelFor` لتحميل مثيلات مُدربة مسبقًا من النماذج. سيساعدك هذا في تحميل البنية الصحيحة في كل مرة. في البرنامج التعليمي التالي، تعرف على كيفية استخدام المحلل اللغوي ومعالج الصور ومستخرج الميزات والمعالج الذي تم تحميله حديثًا لمعالجة مجموعة بيانات للضبط الدقيق. + + \ No newline at end of file From c61a95a1cb9d01b0b767405f37f48d67c4256f22 Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:14:17 +0300 Subject: [PATCH 02/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index e8351974a3e2..480cc02c37a7 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -1,4 +1,4 @@ -# قم بتحميل المثيلات التي تم تدريبها مسبقًا باستخدام AutoClass +# تحميل نماذج مدربة مسبقًا باستخدام AutoClass لم ترغب في إنشاء محول معماري لمؤشر الترابط الخاص بك، فهناك العديد من محولات المعمارية المختلفة التي يمكنك الاختيار من بينها. كجزء من الفلسفة الأساسية لـ 🤗 Transformers لجعل المكتبة سهلة وبسيطة ومرنة، فإن فئة `AutoClass` تستدل تلقائيًا وتحمّل البنية الصحيحة من نقطة تفتيش معينة. تسمح لك طريقة `from_pretrained()` بتحميل نموذج مُدرب مسبقًا لأي بنية بسرعة حتى لا تضطر إلى تكريس الوقت والموارد لتدريب نموذج من الصفر. إن إنتاج هذا النوع من التعليمات البرمجية غير المعتمدة على نقاط التفتيش يعني أنه إذا نجح رمزك مع نقطة تفتيش واحدة، فسيتم تشغيله مع نقطة تفتيش أخرى - طالما تم تدريبه لمهمة مماثلة - حتى إذا كانت البنية مختلفة. تذكر أن البنية تشير إلى هيكل النموذج، ونقاط التفتيش هي الأوزان لبنية معينة. على سبيل المثال، [BERT](https://huggingface.co/google-bert/bert-base-uncased) هي بنية، في حين أن `google-bert/bert-base-uncased` هي نقطة تفتيش. "النموذج" هو مصطلح عام يمكن أن يعني إما البنية أو نقطة التفتيش. From b493e8242939d29fe415548636f323ce71535053 Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:14:25 +0300 Subject: [PATCH 03/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 3 ++- 1 file changed, 2 insertions(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index 480cc02c37a7..cbb7221c8534 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -1,5 +1,6 @@ # تحميل نماذج مدربة مسبقًا باستخدام AutoClass -لم ترغب في إنشاء محول معماري لمؤشر الترابط الخاص بك، فهناك العديد من محولات المعمارية المختلفة التي يمكنك الاختيار من بينها. كجزء من الفلسفة الأساسية لـ 🤗 Transformers لجعل المكتبة سهلة وبسيطة ومرنة، فإن فئة `AutoClass` تستدل تلقائيًا وتحمّل البنية الصحيحة من نقطة تفتيش معينة. تسمح لك طريقة `from_pretrained()` بتحميل نموذج مُدرب مسبقًا لأي بنية بسرعة حتى لا تضطر إلى تكريس الوقت والموارد لتدريب نموذج من الصفر. إن إنتاج هذا النوع من التعليمات البرمجية غير المعتمدة على نقاط التفتيش يعني أنه إذا نجح رمزك مع نقطة تفتيش واحدة، فسيتم تشغيله مع نقطة تفتيش أخرى - طالما تم تدريبه لمهمة مماثلة - حتى إذا كانت البنية مختلفة. +لم ترغب في إنشاء محول معماري لمؤشر الترابط الخاص بك، فهناك العديد من محولات المعمارية المختلفة التي يمكنك الاختيار من بينها. كجزء من الفلسفة الأساسية لـ 🤗 Transformers لجعل المكتبة سهلة وبسيطة ومرنة، فإن فئة `AutoClass` تستدل تلقائيًا وتحمّل البنية الصحيحة من نسخة نموذج (Model Checkpoint) معينة. تسمح لك طريقة `from_pretrained()` بتحميل نموذج مُدرب مسبقًا لأي بنية بسرعة حتى لا تضطر إلى تكريس الوقت والموارد لتدريب نموذج من الصفر. إن إنتاج هذا النوع من التعليمات البرمجية غير المعتمدة على نسخ يعني أنه إذا نجح رمزك مع ننسخة واحدة، فسيتم تشغيله مع أخرى - طالما تم تدريبه لمهمة مماثلة - حتى إذا كانت البنية المعمارية مختلفة. +```. تذكر أن البنية تشير إلى هيكل النموذج، ونقاط التفتيش هي الأوزان لبنية معينة. على سبيل المثال، [BERT](https://huggingface.co/google-bert/bert-base-uncased) هي بنية، في حين أن `google-bert/bert-base-uncased` هي نقطة تفتيش. "النموذج" هو مصطلح عام يمكن أن يعني إما البنية أو نقطة التفتيش. From 089a169b1ada0e38554bbaf5c1cf29d4961aa6cc Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:14:33 +0300 Subject: [PATCH 04/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index cbb7221c8534..d47a2f2356df 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -2,7 +2,7 @@ لم ترغب في إنشاء محول معماري لمؤشر الترابط الخاص بك، فهناك العديد من محولات المعمارية المختلفة التي يمكنك الاختيار من بينها. كجزء من الفلسفة الأساسية لـ 🤗 Transformers لجعل المكتبة سهلة وبسيطة ومرنة، فإن فئة `AutoClass` تستدل تلقائيًا وتحمّل البنية الصحيحة من نسخة نموذج (Model Checkpoint) معينة. تسمح لك طريقة `from_pretrained()` بتحميل نموذج مُدرب مسبقًا لأي بنية بسرعة حتى لا تضطر إلى تكريس الوقت والموارد لتدريب نموذج من الصفر. إن إنتاج هذا النوع من التعليمات البرمجية غير المعتمدة على نسخ يعني أنه إذا نجح رمزك مع ننسخة واحدة، فسيتم تشغيله مع أخرى - طالما تم تدريبه لمهمة مماثلة - حتى إذا كانت البنية المعمارية مختلفة. ```. -تذكر أن البنية تشير إلى هيكل النموذج، ونقاط التفتيش هي الأوزان لبنية معينة. على سبيل المثال، [BERT](https://huggingface.co/google-bert/bert-base-uncased) هي بنية، في حين أن `google-bert/bert-base-uncased` هي نقطة تفتيش. "النموذج" هو مصطلح عام يمكن أن يعني إما البنية أو نقطة التفتيش. +تذكر أن البنية تشير إلى هيكل النموذج، والنسخ هي الأوزان لبنية معمارية معينة. على سبيل المثال، [BERT](https://huggingface.co/google-bert/bert-base-uncased) هي بنية معمارية، في حين أن `google-bert/bert-base-uncased` هي نسخة. "النموذج" هو مصطلح عام يمكن أن يعني إما البنية أو نالنسخة. في هذا البرنامج التعليمي، ستتعلم كيفية: From 28221cb5ceeda2e0e63308b3b75994ac4c30d344 Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:14:41 +0300 Subject: [PATCH 05/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index d47a2f2356df..31e2a60472a0 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -15,7 +15,7 @@ ## AutoTokenizer -تبدأ كل مهمة NLP تقريبًا بمحدد. يقوم المحلل اللغوي بتحويل إدخالك إلى تنسيق يمكن للنموذج معالجته. +تبدأ كل مهمة NLP تقريبًا بمُجزّئ للرموز. يقوم المُجزّئ بتحويل النص إلى شكل يمكن للنموذج معالجته. قم بتحميل محلل باستخدام [`AutoTokenizer.from_pretrained`]: From 3fdfb04b1102c4f562cbe60847771700e71eacff Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:14:58 +0300 Subject: [PATCH 06/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index 31e2a60472a0..3018b9226819 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -6,7 +6,7 @@ في هذا البرنامج التعليمي، ستتعلم كيفية: -* تحميل محدد مُدرب مسبقًا +* تحميل مُجزّئ الرموز مُدرب مسبقًا * تحميل معالج صور مُدرب مسبقًا * تحميل مستخرج ميزات مُدرب مسبقًا * تحميل معالج مُدرب مسبقًا From 072661c295929db8a6ff63e2d3453d9e0b218367 Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:16:31 +0300 Subject: [PATCH 07/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index 3018b9226819..2e400801d37b 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -17,7 +17,7 @@ تبدأ كل مهمة NLP تقريبًا بمُجزّئ للرموز. يقوم المُجزّئ بتحويل النص إلى شكل يمكن للنموذج معالجته. -قم بتحميل محلل باستخدام [`AutoTokenizer.from_pretrained`]: +قم بتحميل المُجزّئ باستخدام [`AutoTokenizer.from_pretrained`]: ```py >>> from transformers import AutoTokenizer From f953c0d9e2b0f8d7494f69fe2f598a37ccfd96bc Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:16:39 +0300 Subject: [PATCH 08/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index 2e400801d37b..2f74cbf39de4 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -87,7 +87,7 @@ [1, 96, 56, 56] ``` -## AutoFeatureExtractor +## مستخرج الميزات التلقائي (AutoFeatureExtractor) بالنسبة للمهام الصوتية، يقوم مستخرج الميزات بمعالجة إشارة الصوت إلى تنسيق الإدخال الصحيح. From 7a8fca6e6aede218fb722e482a3a0a547fc59568 Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:16:55 +0300 Subject: [PATCH 09/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 3 ++- 1 file changed, 2 insertions(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index 2f74cbf39de4..b0241c54aa68 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -35,7 +35,8 @@ 'attention_mask': [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]} ``` -## AutoImageProcessor +## معالج الصور التلقائي (AutoImageProcessor) + بالنسبة لمهمات الرؤية، يقوم معالج الصور بمعالجة الصورة إلى تنسيق الإدخال الصحيح. From 404b3cb82df8ed425d3aae8dc9c2c497877b03bb Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:17:03 +0300 Subject: [PATCH 10/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index b0241c54aa68..2b734a3eead5 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -102,7 +102,7 @@ ... ) ``` -## AutoProcessor +## المعالج التلقائي (AutoProcessor) تتطلب المهام متعددة الوسائط معالجًا يجمع بين نوعين من أدوات المعالجة المسبقة. على سبيل المثال، يتطلب نموذج [LayoutLMV2](model_doc/layoutlmv2) معالج صور لمعالجة الصور ومحلل لغوي لمعالجة النص؛ يجمع المعالج بين الاثنين. From cff82080d293e265a19dcf3f1f59c475070bae1f Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:17:11 +0300 Subject: [PATCH 11/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index 2b734a3eead5..e47d97d96599 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -104,7 +104,7 @@ ## المعالج التلقائي (AutoProcessor) -تتطلب المهام متعددة الوسائط معالجًا يجمع بين نوعين من أدوات المعالجة المسبقة. على سبيل المثال، يتطلب نموذج [LayoutLMV2](model_doc/layoutlmv2) معالج صور لمعالجة الصور ومحلل لغوي لمعالجة النص؛ يجمع المعالج بين الاثنين. +تتطلب المهام متعددة الوسائط معالجًا يجمع بين نوعين من أدوات المعالجة المسبقة. على سبيل المثال، يتطلب نموذج [LayoutLMV2](model_doc/layoutlmv2) معالج صور لمعالجة الصور ومُجزّئ لمعالجة النص؛ يجمع المعالج كليهما. قم بتحميل معالج باستخدام [`AutoProcessor.from_pretrained`]: From 588a755603f8d4d59625703f1ea844d8d60e47fe Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:17:19 +0300 Subject: [PATCH 12/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index e47d97d96599..9aac22e2202d 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -114,7 +114,7 @@ >>> processor = AutoProcessor.from_pretrained("microsoft/layoutlmv2-base-uncased") ``` -## AutoModel +## النموذج التلقائي (AutoModel) From 78d9b14a8631fe8ed15b5e786e675316fb21119c Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:17:28 +0300 Subject: [PATCH 13/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index 9aac22e2202d..6c593c65a418 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -162,6 +162,6 @@ >>> model = TFAutoModelForTokenClassification.from_pretrained("distilbert/distilbert-base-uncased") ``` -بشكل عام، نوصي باستخدام فئة `AutoTokenizer` وفئة `TFAutoModelFor` لتحميل مثيلات مُدربة مسبقًا من النماذج. سيساعدك هذا في تحميل البنية الصحيحة في كل مرة. في البرنامج التعليمي التالي، تعرف على كيفية استخدام المحلل اللغوي ومعالج الصور ومستخرج الميزات والمعالج الذي تم تحميله حديثًا لمعالجة مجموعة بيانات للضبط الدقيق. +بشكل عام، نوصي باستخدام فئة `AutoTokenizer` وفئة `TFAutoModelFor` لتحميل نسخ لنماذج مُدربة مسبقًا. سيساعدك هذا في تحميل البنية الصحيحة في كل مرة. في البرنامج التعليمي التالي، ستتعرف على كيفية استخدام المُجزّئ اللغوي ومعالج الصور ومستخرج الميزات والمعالج الذي تم تحميله حديثًا لمعالجة مجموعة بيانات للضبط الدقيق. \ No newline at end of file From a3250162f3eb0efb2bb985b57c2f8b1617e6012e Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:17:42 +0300 Subject: [PATCH 14/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index 6c593c65a418..2795bd13f262 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -50,7 +50,7 @@
-
A Swin backbone with multiple stages for outputting a feature map.
+
الصورة توضح مخطط مراحل نموذج Swin.
يسمح لك [`AutoBackbone`] باستخدام النماذج المُدربة مسبقًا كعمود فقري للحصول على خرائط ميزات من مراحل مختلفة من العمود الفقري. يجب عليك تحديد أحد المعلمات التالية في [`~PretrainedConfig.from_pretrained`]: From 0a4a49bccd4eab900a26194fc09856bff6846610 Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Wed, 4 Sep 2024 07:17:55 +0300 Subject: [PATCH 15/17] Update docs/source/ar/autoclass_tutorial.md Co-authored-by: Abdullah Mohammed <554032+abodacs@users.noreply.github.com> --- docs/source/ar/autoclass_tutorial.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index 2795bd13f262..80761440a9f7 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -61,7 +61,7 @@ يمكن استخدام هذه المعلمات بشكل متبادل، ولكن إذا كنت تستخدم كلاً منها، فتأكد من أنها متوائمة مع بعضها البعض! إذا لم تمرر أيًا من هذه المعلمات، فسيقوم العمود الفقري بإرجاع خريطة الميزات من الطبقة الأخيرة.
-
A feature map from the first stage of the backbone. The patch partition refers to the model stem.
+
صورة توضح خريطة ميزات من المرحلة الأولى للعمود الفقري.
على سبيل المثال، في الرسم التخطيطي أعلاه، لإرجاع خريطة الميزات من المرحلة الأولى من العمود الفقري Swin، يمكنك تعيين `out_indices=(1,)`: From 0bbe27cdc37dc0c370523e3cc9e5c94757f5ac05 Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Sat, 7 Sep 2024 02:06:00 +0300 Subject: [PATCH 16/17] Update autoclass_tutorial.md --- docs/source/ar/autoclass_tutorial.md | 3 +-- 1 file changed, 1 insertion(+), 2 deletions(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index 80761440a9f7..ea9fb709fca8 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -1,6 +1,5 @@ # تحميل نماذج مدربة مسبقًا باستخدام AutoClass لم ترغب في إنشاء محول معماري لمؤشر الترابط الخاص بك، فهناك العديد من محولات المعمارية المختلفة التي يمكنك الاختيار من بينها. كجزء من الفلسفة الأساسية لـ 🤗 Transformers لجعل المكتبة سهلة وبسيطة ومرنة، فإن فئة `AutoClass` تستدل تلقائيًا وتحمّل البنية الصحيحة من نسخة نموذج (Model Checkpoint) معينة. تسمح لك طريقة `from_pretrained()` بتحميل نموذج مُدرب مسبقًا لأي بنية بسرعة حتى لا تضطر إلى تكريس الوقت والموارد لتدريب نموذج من الصفر. إن إنتاج هذا النوع من التعليمات البرمجية غير المعتمدة على نسخ يعني أنه إذا نجح رمزك مع ننسخة واحدة، فسيتم تشغيله مع أخرى - طالما تم تدريبه لمهمة مماثلة - حتى إذا كانت البنية المعمارية مختلفة. -```. تذكر أن البنية تشير إلى هيكل النموذج، والنسخ هي الأوزان لبنية معمارية معينة. على سبيل المثال، [BERT](https://huggingface.co/google-bert/bert-base-uncased) هي بنية معمارية، في حين أن `google-bert/bert-base-uncased` هي نسخة. "النموذج" هو مصطلح عام يمكن أن يعني إما البنية أو نالنسخة. @@ -164,4 +163,4 @@ بشكل عام، نوصي باستخدام فئة `AutoTokenizer` وفئة `TFAutoModelFor` لتحميل نسخ لنماذج مُدربة مسبقًا. سيساعدك هذا في تحميل البنية الصحيحة في كل مرة. في البرنامج التعليمي التالي، ستتعرف على كيفية استخدام المُجزّئ اللغوي ومعالج الصور ومستخرج الميزات والمعالج الذي تم تحميله حديثًا لمعالجة مجموعة بيانات للضبط الدقيق. - \ No newline at end of file + From 934368ee19908fd53b865df7da91b7ce176392db Mon Sep 17 00:00:00 2001 From: Ahmed Almaghz <53489256+AhmedAlmaghz@users.noreply.github.com> Date: Mon, 9 Sep 2024 20:13:10 +0300 Subject: [PATCH 17/17] Update autoclass_tutorial.md --- docs/source/ar/autoclass_tutorial.md | 3 ++- 1 file changed, 2 insertions(+), 1 deletion(-) diff --git a/docs/source/ar/autoclass_tutorial.md b/docs/source/ar/autoclass_tutorial.md index ea9fb709fca8..fe368af47273 100644 --- a/docs/source/ar/autoclass_tutorial.md +++ b/docs/source/ar/autoclass_tutorial.md @@ -140,10 +140,11 @@ لا تتأثر نقاط تفتيش TensorFlow و Flax، ويمكن تحميلها داخل بنيات PyTorch باستخدام `from_tf` و `from_flax` kwargs لطريقة `from_pretrained` للتحايل على هذه المشكلة. - + بشكل عام، نوصي باستخدام فئة `AutoTokenizer` وفئة `AutoModelFor` لتحميل مثيلات مُدربة مسبقًا من النماذج. سيساعدك هذا في تحميل البنية الصحيحة في كل مرة. في البرنامج التعليمي التالي، تعرف على كيفية استخدام المحلل اللغوي ومعالج الصور ومستخرج الميزات والمعالج الذي تم تحميله حديثًا لمعالجة مجموعة بيانات للضبط الدقيق. + أخيرًا، تسمح لك فئات `TFAutoModelFor` بتحميل نموذج مُدرب مسبقًا لمهمة معينة (راجع [هنا](model_doc/auto) للحصول على قائمة كاملة بالمهام المتاحة). على سبيل المثال، قم بتحميل نموذج لتصنيف التسلسل باستخدام [`TFAutoModelForSequenceClassification.from_pretrained`]: