Jeux de données Hugging Face

Travailler avec Hugging Face

Jacob H. Marquez

Lead Data Engineer

Jeux de données HF 1

¹ https://huggingface.co/datasets

Jeux de données HF 2

¹ https://huggingface.co/datasets

Installer le paquet Datasets

pip install datasets

🌐 Accéder à
📥 Télécharger
🔧 Utiliser
🤝 Partager

Jeux de données HF

¹ https://huggingface.co/docs/datasets/loading

Télécharger un jeu de données

from datasets import load_dataset

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

Paramètre split

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

¹ https://huggingface.co/docs/datasets/v2.15.0/loading

Formats de jeux de données Apache Arrow

Jeu de données Apache Arrow

¹ https://arrow.apache.org/overview/

Manipulation des données

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


# Filtrer le motif " 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

Manipulation des données

# Sélectionner les deux premières lignes
sliced = filtered.select(range(2))


print(sliced)

Dataset({features: ['text'], num_rows: 2})

# Extraire 'text' pour la première ligne
print(sliced[0]['text'])

Concentrazioni atmosferiche di PCDD/PCDF...

¹ https://huggingface.co/docs/datasets/process#select-and-filter

Passons à la pratique !

Travailler avec Hugging Face