AI开发平台MODELARTS-预训练数据处理:自定义数据
时间:2024-04-30 18:09:32
自定义数据
如果是用户自己准备的数据集,可以使用Ascendspeed代码仓中的转换工具将json格式数据集转换为训练中使用的.idx + .bin格式。
#示例: #1.将准备好的json格式数据集存放于/home/ma-user/ws/datasets/data目录下: data.json #2.运行转换脚本 cd /home/ma-user/ws/llm_train/AscendSpeed/ModelLink/ python tools/preprocess_data.py --input data.json \ #需要转换的数据集路径 --output-prefix datasets/data \ #转换后存放的数据集路径 --tokenizer-type PretrainedFromHF \ --tokenizer-name-or-path llama2-13b-hf \ --tokenizer-not-use-fast \ --json-keys text #3.执行完成后在 datasets文件夹中可以得到 data_text_document.idx 与data_text_document.bin 两个文件
support.huaweicloud.com/bestpractice-modelarts/modelarts_10_1547.html
看了此文的人还看了
CDN加速
GaussDB
文字转换成语音
免费的服务器
如何创建网站
域名网站购买
私有云桌面
云主机哪个好
域名怎么备案
手机云电脑
SSL证书申请
云点播服务器
免费OCR是什么
电脑云桌面
域名备案怎么弄
语音转文字
文字图片识别
云桌面是什么
网址安全检测
网站建设搭建
国外CDN加速
SSL免费证书申请
短信批量发送
图片OCR识别
云数据库MySQL
个人域名购买
录音转文字
扫描图片识别文字
OCR图片识别
行驶证识别
虚拟电话号码
电话呼叫中心软件
怎么制作一个网站
Email注册网站
华为VNC
图像文字识别
企业网站制作
个人网站搭建
华为云计算
免费租用云托管
云桌面云服务器
ocr文字识别免费版
HTTPS证书申请
图片文字识别转换
国外域名注册商
使用免费虚拟主机
云电脑主机多少钱
鲲鹏云手机
短信验证码平台
OCR图片文字识别
SSL证书是什么
申请企业邮箱步骤
免费的企业用邮箱
云免流搭建教程
域名价格
推荐文章
- TMS开发_金蝶TMS系统_TMS技术系统_信息化管理_视频
- 华为云数据处理技术_数据管理平台数据工坊_什么是数据处理
- ModelArts是什么_AI开发平台_ModelArts功能
- ModelArts数据管理_数据管理功能简介_数据集管理
- GaussDB数据库自定义函数_GaussDB 华为_高斯数据库自定义函数
- 数据转发至函数工作流_数据处理_FunctionGraph处理流数据
- ModelArts Workflow_什么是Workflow_工作流
- ModelArts模型训练_模型训练简介_如何训练模型
- ModelArts自定义镜像_自定义镜像简介_如何使用自定义镜像
- 华为GaussDB自定义函数_GaussDB教程_华为高斯数据库自定义函数