修改一些格式问题

This commit is contained in:
chaoyu@qiyuanlab.com 2024-07-16 18:51:28 +08:00
parent a7e6f8bb98
commit 30f2164c0d
1 changed files with 3 additions and 1 deletions

View File

@ -158,7 +158,9 @@ python convert_json2index.py \
```
脚本运行成功时会有如下显示不需要用hadoop所以不用管hadoop: not found的警告信息
![alt text](./055bf7ce-faab-403b-a7ee-896279bee11f.png)
<!-- ![alt text](./055bf7ce-faab-403b-a7ee-896279bee11f.png) -->
![alt text](https://www.osredm.com/jiuyuan/CPM-9G-8B/tree/FM_9G/quick_start_clean/readmes/055bf7ce-faab-403b-a7ee-896279bee11f.png)
转完后在index的目录下会生成四个文件data.jsonl原先的jsonl数据、index、index.h5、meta.json记录数据集信息包含 "language", "nlines", "nbytes", "length_distribute", "avg_token_per_line", "hdfs_path", "data_sample"字段)。
这里有一个meta.json的例子