FA CSS fix for MkDocs share buttons (#6437)

Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com>

docs/pt/datasets/index.md

@@ -8,7 +8,7 @@ keywords: visão computacional, conjuntos de dados, Ultralytics, YOLO, detecçã
 
 A Ultralytics oferece suporte para diversos conjuntos de dados para facilitar tarefas de visão computacional, como detecção, segmentação de instância, estimativa de pose, classificação e rastreamento de múltiplos objetos. Abaixo está uma lista dos principais conjuntos de dados da Ultralytics, seguidos por um resumo de cada tarefa de visão computacional e os respectivos conjuntos de dados.
 
-!!! Note
+!!! Note "Nota"
 
     🚧 Nossa documentação multilíngue está atualmente em construção e estamos trabalhando arduamente para melhorá-la. Obrigado pela sua paciência! 🙏
 

docs/pt/index.md

@@ -38,7 +38,7 @@ Apresentamos o [Ultralytics](https://ultralytics.com) [YOLOv8](https://github.co
 
 Explore os Documentos do YOLOv8, um recurso abrangente projetado para ajudá-lo a entender e utilizar suas características e capacidades. Seja você um praticante experiente de aprendizado de máquina ou novo no campo, este hub tem como objetivo maximizar o potencial do YOLOv8 em seus projetos
 
-!!! Note
+!!! Note "Nota"
 
     🚧 Nossa documentação em vários idiomas está atualmente em construção e estamos trabalhando arduamente para aprimorá-la. Agradecemos sua paciência! 🙏
 

docs/pt/models/index.md

@@ -8,7 +8,7 @@ keywords: Ultralytics, documentação, YOLO, SAM, MobileSAM, FastSAM, YOLO-NAS,
 
 Bem-vindo à documentação de modelos da Ultralytics! Oferecemos suporte para uma ampla gama de modelos, cada um adaptado para tarefas específicas como [detecção de objetos](../tasks/detect.md), [segmentação de instâncias](../tasks/segment.md), [classificação de imagens](../tasks/classify.md), [estimativa de pose](../tasks/pose.md) e [rastreamento de múltiplos objetos](../modes/track.md). Se você está interessado em contribuir com sua arquitetura de modelo para a Ultralytics, confira nosso [Guia de Contribuição](../../help/contributing.md).
 
-!!! Note
+!!! Note "Nota"
 
     🚧 Nossa documentação multilíngue está atualmente em construção e estamos trabalhando duro para melhorá-la. Obrigado pela sua paciência! 🙏
 

docs/pt/quickstart.md

@@ -39,7 +39,7 @@ O Ultralytics oferece diversos métodos de instalação, incluindo pip, conda e
         conda install -c conda-forge ultralytics
         ```
 
-        !!! Note
+        !!! Note "Nota"
 
             Se você está instalando em um ambiente CUDA a prática recomendada é instalar `ultralytics`, `pytorch` e `pytorch-cuda` no mesmo comando para permitir que o gerenciador de pacotes conda resolva quaisquer conflitos, ou instalar `pytorch-cuda` por último para permitir que ele substitua o pacote específico para CPU `pytorch`, se necessário.
             ```bash
@@ -101,7 +101,7 @@ Veja o arquivo [requirements.txt](https://github.com/ultralytics/ultralytics/blo
 
 A interface de linha de comando (CLI) do Ultralytics permite comandos simples de uma única linha sem a necessidade de um ambiente Python. O CLI não requer personalização ou código Python. Você pode simplesmente rodar todas as tarefas do terminal com o comando `yolo`. Confira o [Guia CLI](/../usage/cli.md) para aprender mais sobre o uso do YOLOv8 pela linha de comando.
 
-!!! Example
+!!! Example "Exemplo"
 
     === "Sintaxe"
 
@@ -171,7 +171,7 @@ A interface Python do YOLOv8 permite uma integração tranquila em seus projetos
 
 Por exemplo, os usuários podem carregar um modelo, treiná-lo, avaliar o seu desempenho em um conjunto de validação e até exportá-lo para o formato ONNX com apenas algumas linhas de código. Confira o [Guia Python](/../usage/python.md) para aprender mais sobre o uso do YOLOv8 dentro dos seus projetos Python.
 
-!!! Example
+!!! Example "Exemplo"
 
     ```python
     from ultralytics import YOLO

docs/pt/tasks/index.md

@@ -11,7 +11,7 @@ keywords: Ultralytics, YOLOv8, Detecção, Segmentação, Classificação, Estim
 
 YOLOv8 é um framework de IA que suporta múltiplas tarefas de **visão computacional**. O framework pode ser usado para realizar [detecção](detect.md), [segmentação](segment.md), [classificação](classify.md) e estimativa de [pose](pose.md). Cada uma dessas tarefas tem um objetivo e caso de uso diferente.
 
-!!! Note
+!!! Note "Nota"
 
     🚧 Nossa documentação multilíngue está atualmente em construção e estamos trabalhando para aprimorá-la. Agradecemos sua paciência! 🙏