问题背景:
Huggingface网站提供了许多数据集,数据集格式比较标准,使用非常方便。但是在国内用服务器datasets.load_dataset()下载经常会遇到cannot connect的问题,即使在联网的状态下。
解决方法:
解决“无法下载”一种比较可靠的方式,用个人联网电脑本地下载,比如下面super_glue里的cb数据集:
from datasets import load_dataset
dataset = load_dataset('super_glue', 'cb', cache_dir='./raw_datasets')
dataset.save_to_disk('super_glue_cb')
不出意外的话,这样就可以顺利下载。并保存至super_glue_cb, 会包含train、validation、test等文件。
将数据集上传到服务器器上就可以在本地加载数据集了,避免在线下载网络不稳定或无法连接的问题。
本地加载使用方式:
from datasets import load_from_disk
raw_dataset = load_from_disk("./super_glue/super_glue_cb")