中软国际数据治理专业服务解决方案实践

数据预处理 创建数据预处理作业 开发数据预处理作业 父主题： 管理数据

查看更多 →

创建数据预处理作业 数据预处理是训练机器学习模型的一个重要前置步骤，其主要是通过转换函数将特征数据转换成更加适合算法模型的特征数据过程。 TICS 特征预处理功能能够实现对数据的探索、分析、规整以及转换，以达到数据在训练模型中可使用、可实用，在TI CS 平台内完成数据处理到建模的闭环。

查看更多 →

tokenizer的存放路径，与HF权重存放在一个文件夹下。 --handler-name：生成数据集的用途，这里是生成的指令数据集，用于微调。 GeneralPretrainHandler：默认。用于预训练时的数据预处理过程中，将数据集根据key值进行简单的过滤。 Genera

查看更多 →

[labels] } moss原始数据集是一个多轮对话的jsonl，filter的输入就是其中的一行 循环处理其中的单轮对话 在单轮对话中 对user和assistant的文本进行清洗 分别encode处理后的文本，获得对应的token序列，user_ids和assistant_ids

查看更多 →

[labels] } moss原始数据集是一个多轮对话的jsonl，filter的输入就是其中的一行 循环处理其中的单轮对话 在单轮对话中 对user和assistant的文本进行清洗 分别encode处理后的文本，获得对应的token序列，user_ids和assistant_ids

查看更多 →

[labels] } moss原始数据集是一个多轮对话的jsonl，filter的输入就是其中的一行 循环处理其中的单轮对话 在单轮对话中 对user和assistant的文本进行清洗 分别encode处理后的文本，获得对应的token序列，user_ids和assistant_ids

查看更多 →

[labels] } moss原始数据集是一个多轮对话的jsonl，filter的输入就是其中的一行 循环处理其中的单轮对话 在单轮对话中 对user和assistant的文本进行清洗 分别encode处理后的文本，获得对应的token序列，user_ids和assistant_ids

查看更多 →

[labels] } moss原始数据集是一个多轮对话的jsonl，filter的输入就是其中的一行 循环处理其中的单轮对话 在单轮对话中 对user和assistant的文本进行清洗 分别encode处理后的文本，获得对应的token序列，user_ids和assistant_ids

查看更多 →

tokenizer的存放路径，与HF权重存放在一个文件夹下。 --handler-name：生成数据集的用途，这里是生成的指令数据集，用于微调。 GeneralPretrainHandler：默认。用于预训练时的数据预处理过程中，将数据集根据key值进行简单的过滤。 Genera

查看更多 →

[labels] } moss原始数据集是一个多轮对话的jsonl，filter的输入就是其中的一行 循环处理其中的单轮对话 在单轮对话中 对user和assistant的文本进行清洗 分别encode处理后的文本，获得对应的token序列，user_ids和assistant_ids

查看更多 →

[labels] } moss原始数据集是一个多轮对话的jsonl，filter的输入就是其中的一行 循环处理其中的单轮对话 在单轮对话中 对user和assistant的文本进行清洗 分别encode处理后的文本，获得对应的token序列，user_ids和assistant_ids

查看更多 →

tokenizer的存放路径，与HF权重存放在一个文件夹下。 --handler-name：生成数据集的用途，这里是生成的指令数据集，用于微调。 GeneralPretrainHandler：默认值。用于预训练时的数据预处理过程中，将数据集根据key值进行简单的过滤。 Gener

查看更多 →

[labels] } moss原始数据集是一个多轮对话的jsonl，filter的输入就是其中的一行 循环处理其中的单轮对话 在单轮对话中 对user和assistant的文本进行清洗 分别encode处理后的文本，获得对应的token序列，user_ids和assistant_ids

查看更多 →

[labels] } moss原始数据集是一个多轮对话的jsonl，filter的输入就是其中的一行 循环处理其中的单轮对话 在单轮对话中 对user和assistant的文本进行清洗 分别encode处理后的文本，获得对应的token序列，user_ids和assistant_ids

查看更多 →

[labels] } moss原始数据集是一个多轮对话的jsonl，filter的输入就是其中的一行 循环处理其中的单轮对话 在单轮对话中 对user和assistant的文本进行清洗 分别encode处理后的文本，获得对应的token序列，user_ids和assistant_ids

查看更多 →

单击创建的数据预处理作业后的开发按钮，进入作业开发页面。然后单击左上角的“关联历史作业”，在弹窗中选择训练数据的预处理作业后，单击“保存”。 图9 关联历史作业 系统提示关联成功，则说明这两个数据集的字段及属性一致、完成校验，并已将训练数据预处理作业的预处理方法成功关联应用。 注意

查看更多 →

[labels] } moss原始数据集是一个多轮对话的jsonl，filter的输入就是其中的一行 循环处理其中的单轮对话 在单轮对话中 对user和assistant的文本进行清洗 分别encode处理后的文本，获得对应的token序列，user_ids和assistant_ids

查看更多 →

[labels] } moss原始数据集是一个多轮对话的jsonl，filter的输入就是其中的一行 循环处理其中的单轮对话 在单轮对话中 对user和assistant的文本进行清洗 分别encode处理后的文本，获得对应的token序列，user_ids和assistant_ids

查看更多 →

tokenizer的存放路径，与HF权重存放在一个文件夹下。 --handler-name：生成数据集的用途，这里是生成的指令数据集，用于微调。 GeneralPretrainHandler：默认。用于预训练时的数据预处理过程中，将数据集根据key值进行简单的过滤。 Genera

查看更多 →

[labels] } moss原始数据集是一个多轮对话的jsonl，filter的输入就是其中的一行 循环处理其中的单轮对话 在单轮对话中 对user和assistant的文本进行清洗 分别encode处理后的文本，获得对应的token序列，user_ids和assistant_ids

查看更多 →

预处理 预处理模块简介 构造图像预处理器 改变图片尺寸 裁剪图片 转换图片颜色格式

查看更多 →