Набори даних Hugging Face

Робота з Hugging Face

Jacob H. Marquez

Lead Data Engineer

¹ https://huggingface.co/datasets

Встановлення пакета Datasets

pip install datasets

🌐 Доступ
📥 Завантаження
🔧 Використання
🤝 Поширення

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

Завантаження набору даних

from datasets import load_dataset

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

Параметр Split

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

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

Формати наборів даних Apache Arrow

Набір даних Apache Arrow

¹ https://arrow.apache.org/overview/

Обробка даних

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

Обробка даних

# 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

Давайте потренуємось!

Робота з Hugging Face