Hugging Faceデータセット

Hugging Faceを使いこなす

Jacob H. Marquez

Lead Data Engineer

hf_datasets1.jpg

1 https://huggingface.co/datasets
Hugging Faceを使いこなす

hf_datasets2.jpg

1 https://huggingface.co/datasets
Hugging Faceを使いこなす
Hugging Faceを使いこなす
Hugging Faceを使いこなす
Hugging Faceを使いこなす

Datasetsパッケージのインストール

pip install datasets

  • 🌐 アクセス
  • 📥 ダウンロード
  • 🔧 使用
  • 🤝 共有

hf_datasets.jpg

1 https://huggingface.co/docs/datasets/loading
Hugging Faceを使いこなす

データセットのダウンロード

from datasets import load_dataset

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

$$

分割パラメーター

data = load_dataset("IVN-RIN/BioBERT_Italian", split="train")
1 https://huggingface.co/docs/datasets/v2.15.0/loading
Hugging Faceを使いこなす

Apache Arrowデータセット形式

Apache Arrow データセット

1 https://arrow.apache.org/overview/
Hugging Faceを使いこなす

データ操作

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
Hugging Faceを使いこなす

データ操作

# 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
Hugging Faceを使いこなす

練習しましょう!

Hugging Faceを使いこなす

Preparing Video For Download...