NLP Academy · درس

الضبط الدقيق باستخدام Trainer API

درّب مصنّفًا على بياناتك

الدرس 3 من 413 خطوة

الضبط الدقيق باستخدام Trainer API درس مجاني في NLP Academy على CoddyKit. هذا هو الدرس 3 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في NLP Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة NLP Academy 4 دروس في المجموع.

لماذا الضبط الدقيق

يعرف النموذج المدرب مسبقًا اللغة بالفعل؛ ويعمل الضبط الدقيق على تكييفه ليتفوق في مهمتك المحددة باستخدام بياناتك المصنفة.

ابدأ من نقطة تحقق

حمّل نموذجًا برأس تصنيف يناسب عدد تصنيفاتك. يُعاد استخدام الأوزان الأساسية، بينما يبدأ الرأس من جديد فقط.

from transformers import AutoModelForSequenceClassification
m = AutoModelForSequenceClassification.from_pretrained("bert-base-uncased", num_labels=2)

تعرّف إلى Trainer

تتولى واجهة Trainer كامل حلقة التدريب نيابةً عنك: تكوين الدُفعات، والتدرجات، والتقييم، والحفظ، وكل ذلك في فئة واحدة.

إعداد مجموعة البيانات

حلّل نصك إلى رموز واحتفظ بالتصنيفات. ويتصل كائن Dataset من Hugging Face مباشرةً بـ Trainer.

ds = ds.map(lambda x: tok(x["text"], truncation=True), batched=True)

تعيين وسيطات التدريب

تجمع TrainingArguments جميع الإعدادات في مكان واحد: معدل التعلم، وحجم الدفعة، وعدد الحِقب، ومكان حفظ نقاط التحقق.

from transformers import TrainingArguments
args = TrainingArguments("out", num_train_epochs=3)

إنشاء Trainer

مرّر النموذج والوسيطات ومجموعات بياناتك إلى Trainer. والآن يوجد كل ما يحتاجه للتعلّم في كائن واحد.

from transformers import Trainer
trainer = Trainer(model=m, args=args, train_dataset=train, eval_dataset=val)

بدء التدريب

يشغّل استدعاء واحد الحلقة كاملة. ويمرّ Trainer عبر الحِقب ويحدّث الأوزان أثناء تعلّمه.

trainer.train()

معدل التعلم مهم

يستخدم الضبط الدقيق معدل تعلم صغيرًا، غالبًا نحو 2e-5، لكي تعدّل الأوزان المدربة مسبقًا برفق بدلًا من إفسادها.

بضع حِقب فقط

تحتاج Transformers عادةً إلى مرورين أو أربعة فقط على البيانات. وإذا زاد عدد الحِقب، يبدأ النموذج في فرط التوافق.

تتبّع المقاييس

زوّد Trainer بدالة compute_metrics، وسيعرض الدقة أو F1 عند كل عملية تقييم، لتتمكن من متابعة التقدم مباشرةً.

trainer = Trainer(..., compute_metrics=metric_fn)

استخدم جامع البيانات

يضيف جامع البيانات حشوًا ديناميكيًا لكل دفعة حتى يصل طولها إلى طول أطول مثال، مما يوفر الذاكرة مقارنةً بحشو كل شيء إلى طول واحد.

اختبار سريع

لماذا يستخدم الضبط الدقيق معدل تعلم صغيرًا؟

أجب عليها في الدرس التفاعلي

مراجعة

حمّل نموذجًا برأس جديد، وحلّل بياناتك إلى رموز، واضبط TrainingArguments، ثم دع Trainer يشغّل بضع حِقب بمعدل تعلم منخفض. ✅

البدء مجانًا

تعلم Python مع معلم ذكاء اصطناعي — مجانًا

اكتب وقم بتشغيل أكوادك الفعلية في المتصفح، واحصل على مساعدة فورية من معلم ذكاء اصطناعي متاح 24/7، واستمر من حيث توقفت على الويب أو في التطبيق.

الدورات: 30
الدروس: 120

ابدأ التعلم مجانًا عرض الدورة الكاملة

الأسئلة الشائعة

هل درس «الضبط الدقيق باستخدام Trainer API» مجاني؟

نعم — نص درس «الضبط الدقيق باستخدام Trainer API» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة NLP Academy، انتقل إلى CoddyKit PRO. تتضمن دورة NLP Academy 4 دروس في المجموع.

ماذا ستتعلم في «الضبط الدقيق باستخدام Trainer API»؟

درّب مصنّفًا على بياناتك تتمرن على NLP Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.

هل أحتاج إلى خبرة سابقة لأبدأ NLP Academy؟

لا تُشترط خبرة سابقة. NLP Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 3 من أصل 4.

كم من الوقت يستغرق درس «الضبط الدقيق باستخدام Trainer API»؟

معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.

هل يمكنني كتابة وتشغيل أكواد في درس NLP Academy هذا؟

نعم. كل درس في NLP Academy يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.

جميع الدروس في هذه الدورة

← العودة إلى NLP Academy