修改一些格式问题

This commit is contained in:
chaoyu@qiyuanlab.com 2024-07-16 18:46:28 +08:00
parent e667e27f2f
commit a7e6f8bb98
1 changed files with 1 additions and 1 deletions

View File

@ -158,7 +158,7 @@ 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)
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