From 8ce4fefc52d6146fb6aaf2b896cbb07b9fc4d947 Mon Sep 17 00:00:00 2001 From: Aaron Jimenez Date: Fri, 10 May 2024 08:29:26 -0800 Subject: [PATCH] [docs] Update link in es/pipeline_webserver.md (#30745) * update link * run make style --- docs/source/es/pipeline_webserver.md | 8 +------- examples/pytorch/object-detection/run_object_detection.py | 4 +--- 2 files changed, 2 insertions(+), 10 deletions(-) diff --git a/docs/source/es/pipeline_webserver.md b/docs/source/es/pipeline_webserver.md index e77e620f58..e268daabcb 100644 --- a/docs/source/es/pipeline_webserver.md +++ b/docs/source/es/pipeline_webserver.md @@ -9,13 +9,7 @@ Crear un motor de inferencia es un tema complejo, y la "mejor" solución probabl -Lo fundamental para entender es que podemos usar un iterador, tal como [en un conjunto de datos](https://huggingface.co/docs/transformers/pipeline_tutorial#using-pipelines-on-a-dataset), ya que un servidor web es básicamente un sistema que espera solicitudes y las trata a medida que llegan. - - +Lo fundamental para entender es que podemos usar un iterador, tal como [en un conjunto de datos](pipeline_tutorial#uso-de-pipelines-en-un-conjunto-de-datos), ya que un servidor web es básicamente un sistema que espera solicitudes y las trata a medida que llegan. Por lo general, los servidores web están multiplexados (multihilo, asíncrono, etc.) para manejar varias solicitudes simultáneamente. Por otro lado, los flujos de trabajo (y principalmente los modelos subyacentes) no son realmente ideales para el paralelismo; consumen mucha RAM, por lo que es mejor darles todos los recursos disponibles cuando se están ejecutando o es un trabajo intensivo en cómputo. diff --git a/examples/pytorch/object-detection/run_object_detection.py b/examples/pytorch/object-detection/run_object_detection.py index 3f0769568f..ba6ee1e55a 100644 --- a/examples/pytorch/object-detection/run_object_detection.py +++ b/examples/pytorch/object-detection/run_object_detection.py @@ -244,9 +244,7 @@ class DataTrainingArguments: ) image_square_size: Optional[int] = field( default=600, - metadata={ - "help": "Image longest size will be resized to this value, then image will be padded to square." - }, + metadata={"help": "Image longest size will be resized to this value, then image will be padded to square."}, ) max_train_samples: Optional[int] = field( default=None,