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

  1. Question about manually downloaded datasets in Deepdped-Chat #438
  2. Where do I put my dataset? #277
  3. How to load a huggingface dataset from local path?
  4. Huggingface Loading methods doc
  5. https://hub.nuaa.cf/huggingface/datasets/issues?page=7&q=local
  6. 深度学习 人工智能 通过GIT CLONE批量下载HUGGINGFACE模型和数据集
  7. 使用haggingface datasets高效加载数据
  8. 如何快速下载huggingface模型——全方法总结
posted @   猴子吃桃_Q  阅读(341)  评论(0编辑  收藏  举报
编辑推荐:
· 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
阅读排行:
· 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?
点击右上角即可分享
微信分享提示