python-torch如何保存数据集,以yelp_review_full数据集为例

41 篇文章 0 订阅
6 篇文章 0 订阅

方法一

先自动下载,然后使用save_to_disk保存到本地

dataset = load_dataset("yelp_review_full")
dataset.save_to_disk('./yelp_review_full_disk')

使用的时候如下操作即可

dataset=datasets.load_from_disk("./csdn/ddset/yelp_review_full")

方法二

先自动下载

dataset = load_dataset("yelp_review_full")

执行完了以后,会在路径/home/xxxuser/.cache/huggingface/datasets/yelp_review_full/yelp_review_full/1.0.0/e8e18e19d7be9e75642fc66b198abadb116f73599ec89a69ba5dd8d1e57ba0bf中保存

-rw-r----- 1 1user ma-group       1786 Aug 18 14:29 dataset_info.json
-rw-r----- 1 1user ma-group   37282608 Aug 18 14:29 yelp_review_full-test.arrow
-rw-r----- 1 1user ma-group  483954656 Aug 18 14:29 yelp_review_full-train.arrow

上面这是三个文件就是我们需要的,可以使用下面方法使用数据集

from torch.utils.data import Dataset, DataLoader
import pyarrow as pa

class YelpReviewFullDataset(Dataset):
    def __init__(self, file_path):
        self.data = pa.parquet.read_table(file_path).to_pandas()

    def __len__(self):
        return len(self.data)

    def __getitem__(self, idx):
        return self.data.iloc[idx]

train_dataset = YelpReviewFullDataset('./csdn/ddset/yelp_review_full/yelp_review_full-train.arrow')
test_dataset = YelpReviewFullDataset('./csdn/ddset/yelp_review_full/yelp_review_full-test.arrow')

train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=32, shuffle=False)
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值