deepspeed加载本地huggingface数据集
国内因huggingface访问限制,无法直接从huggingface下载数据,咱们先将数据下载到本地,修改deepspeed数据加载方式
1. 配置git全局代理【可选】
git config --global http.proxy http://127.0.0.1:1080
取消代理
git config --get http.proxy
2. 下载数据
将tree/main 换成.git, 输入以下指令
git clone https://hf-mirror.com/datasets/Dahoas/rm-static.git
3. 本地数据在deepspeed中加载
from datasets import load_dataset
data_files = {“train”:“train-00000-of-00001-2a1df75c6bce91ab.parquet”,“test”:“test-00000-of-00001-8c7c51afc6d45980.parquet”}
raw_datasets = load_dataset(“parquet”, data_dir=‘/Your/Path/Dahoas/rm-static/data’, data_files=data_files)
参考资料
- Question about manually downloaded datasets in Deepdped-Chat #438
- Where do I put my dataset? #277
- How to load a huggingface dataset from local path?
- Huggingface Loading methods doc
- https://hub.nuaa.cf/huggingface/datasets/issues?page=7&q=local
- 深度学习 人工智能 通过GIT CLONE批量下载HUGGINGFACE模型和数据集
- 使用haggingface datasets高效加载数据
- 如何快速下载huggingface模型——全方法总结
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· DeepSeek 开源周回顾「GitHub 热点速览」
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· AI与.NET技术实操系列(二):开始使用ML.NET
· 单线程的Redis速度为什么快?