forked from p83651209/CPM-9G-8B
修改一些格式问题
This commit is contained in:
parent
96b38208f6
commit
1dc6a17696
|
@ -125,7 +125,7 @@ pip install tensorboardX
|
|||
预训练语料为无监督形式,不需要区分问题与答案,但需要将数据转为index后进行模型训练。我们拿到的原始数据可能是两种形式:
|
||||
- 文件格式为.txt的原始文本,处理流程为:数据→jsonl格式的数据→index数据
|
||||
- 文件格式为.jsonl的文本数据,处理流程为j:数据→index数据
|
||||
1. 参考以下脚本,将txt数据处理为jsonl格式:
|
||||
参考以下脚本,将txt数据处理为jsonl格式:
|
||||
``` python
|
||||
# convert_txt2jsonl.py
|
||||
import json
|
||||
|
|
Loading…
Reference in New Issue