transformers
نشر نماذج الذكاء الاصطناعي باستخدام Transformers من Hugging Face
متاح أيضًا من: davila7
توقف عن المصارعة مع إعداد نماذج تعلم الآلة المعقد. تمنحك هذه المهارة وصولًا فوريًا إلى آلاف نماذج المحولات المدرّبة مسبقًا لمهام النصوص والصور والصوت عبر أوامر بسيطة.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "transformers". Generate a Python script that loads GPT-2 and writes a short story about space exploration
النتيجة المتوقعة:
- تم تحميل نموذج GPT-2 من Hugging Face
- تم توليد قصة من 150 كلمة عن مهمة إلى المريخ
- تم حفظ القصة في 'space_story.txt'
- معاينة القصة: 'The red dust of Mars swirled around the habitat as Commander Chen prepared for the most important spacewalk in human history...'
استخدام "transformers". Classify these images as either cat or dog
النتيجة المتوقعة:
- تم تحميل نموذج محول الرؤية
- تم تحليل 5 صور اختبارية
- النتائج: 3 قطط (60%)، 2 كلاب (40%)
- أعلى ثقة: image3.jpg (97% cat)
استخدام "transformers". Summarize this research paper paragraph
النتيجة المتوقعة:
- تم تحميل خط أنابيب التلخيص باستخدام facebook/bart-large
- تم توليد ملخص من 3 جمل
- تم الحفاظ على النقاط الأساسية: المنهجية، النتائج، الاستنتاجات
التدقيق الأمني
آمنAll 412 static findings are false positives. The skill contains markdown documentation with Python code examples for Hugging Face Transformers library usage. Bash command patterns in documentation (pip install examples), URL references, and technical terminology triggered the analyzer incorrectly. No executable code, network requests, or security vulnerabilities present.
عوامل الخطر
⚙️ الأوامر الخارجية (5)
⚡ يحتوي على سكربتات (1)
🌐 الوصول إلى الشبكة (2)
درجة الجودة
ماذا يمكنك بناءه
نماذج NLP أولية سريعة
اختبر نماذج محولات مختلفة لتصنيف النصوص دون كتابة شيفرة نمطية متكررة
مقارنة أداء النماذج
قارن عدة نماذج مدرّبة مسبقًا على مجموعة بياناتك للعثور على الأفضل أداءً
إضافة الذكاء الاصطناعي إلى التطبيقات
ادمج توليد النصوص أو تصنيف الصور في تطبيقك مع إعداد بسيط
جرّب هذه الموجهات
Load GPT-2 model and generate 3 variations of: 'The future of AI is'
Create a pipeline to analyze sentiment of these reviews: ['Great product!', 'Terrible experience', 'Average quality']
Compare BERT, RoBERTa, and DistilBERT on text classification accuracy using my dataset
Fine-tune BERT on my CSV file with 'text' and 'label' columns for 3 epochs
أفضل الممارسات
- استخدم واجهة pipeline للمهام السريعة، والنماذج المخصصة للتحكم الدقيق
- تحقق من بطاقة النموذج لقيود الاستخدام والتحيزات قبل النشر
- ابدأ بنماذج أصغر للاختبار، ثم وسّع للإنتاج
تجنب
- لا تُجرِ ضبطًا دقيقًا على بيانات حساسة دون التحقق من ترخيص النموذج
- تجنب تحميل النماذج الضخمة على أنظمة تعتمد على CPU فقط
- لا تنشر النماذج دون اختبار المخرجات لحالة الاستخدام الخاصة بك
الأسئلة المتكررة
هل أحتاج إلى GPU؟
هل النماذج مجانية للاستخدام؟
كيف أتعامل مع حدود المعدل؟
هل يمكنني استخدام مجموعات بيانات مخصصة؟
أي نموذج يجب أن أختار؟
كيف أحسن جودة التوليد؟
تفاصيل المطور
المؤلف
K-Dense-AIالترخيص
Apache-2.0 license
المستودع
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/transformersمرجع
main
بنية الملفات