Datensätze in Hugging Face

Arbeiten mit Hugging Face

Jacob H. Marquez

Lead Data Engineer

hf_datasets1.jpg

1 https://huggingface.co/datasets
Arbeiten mit Hugging Face

hf_datasets2.jpg

1 https://huggingface.co/datasets
Arbeiten mit Hugging Face
Arbeiten mit Hugging Face
Arbeiten mit Hugging Face
Arbeiten mit Hugging Face

Installieren des Datasets-Pakets

 

pip install datasets

  • 🌐 Zugreifen
  • 📥 Herunterladen
  • 🔧 Anwenden
  • 🤝 Teilen

hf_datasets.jpg

1 https://huggingface.co/docs/datasets/loading
Arbeiten mit Hugging Face

Herunterladen eines Datensatzes

from datasets import load_dataset

data = load_dataset("IVN-RIN/BioBERT_Italian")

$$

Split-Parameter

data = load_dataset("IVN-RIN/BioBERT_Italian", split="train")
1 https://huggingface.co/docs/datasets/v2.15.0/loading
Arbeiten mit Hugging Face

Datenformat Apache Arrow

 

Apache Arrow-Datensatz

1 https://arrow.apache.org/overview/
Arbeiten mit Hugging Face

Datenbearbeitung

data = load_dataset("IVN-RIN/BioBERT_Italian", split="train")


# Filter for pattern " bella " filtered = data.filter(lambda row: " bella " in row['text']) print(filtered)
Dataset({
    features: ['text'],
    num_rows: 1122
})
1 https://huggingface.co/docs/datasets/process#select-and-filter
Arbeiten mit Hugging Face

Datenbearbeitung

# Select the first two rows
sliced = filtered.select(range(2))


print(sliced)
Dataset({features: ['text'], num_rows: 2})
# Extract the 'text' for the first row
print(sliced[0]['text'])
Concentrazioni atmosferiche di PCDD/PCDF...
1 https://huggingface.co/docs/datasets/process#select-and-filter
Arbeiten mit Hugging Face

Lass uns üben!

Arbeiten mit Hugging Face

Preparing Video For Download...