掌握自然语言处理

如果您已经完成了课程的这一部分，恭喜您 - 您现在拥有了所有必要的知识和工具，可以使用 🤗 Transformers 和 Hugging Face 生态系统来处理（几乎）任何 NLP 任务！

我们已经看到了许多不同的数据整理器，所以我们制作了这个小视频来帮助您找到每个任务应该使用哪一个。

完成对核心 NLP 任务的快速浏览后，您应该

• 了解哪些架构（编码器、解码器或编码器-解码器）最适合每个任务
• 了解预训练和微调语言模型之间的区别
• 了解如何使用 🤗 Accelerate 的 Trainer API 和分布式训练功能或 TensorFlow 和 Keras 训练 Transformer 模型，具体取决于您所遵循的路线
• 了解文本生成任务中指标（如 ROUGE 和 BLEU）的含义和局限性
• 了解如何与微调的模型交互，无论是在 Hub 上还是使用 🤗 Transformers 的 pipeline

尽管拥有了所有这些知识，但您还是会在某个时候遇到代码中的难以解决的 bug，或者对如何解决特定 NLP 问题有疑问。幸运的是，Hugging Face 社区随时为您提供帮助！在本课程这部分的最后一章中，我们将探讨如何调试 Transformer 模型并有效地寻求帮助。