5分钟NLP（HuggingFace|5分钟NLP：HuggingFace 内置数据集的使用教程） 5分钟NLP：HuggingFace内置数据集

对于NLP 爱好者来说HuggingFace肯定不会陌生，因为现在几乎一提到NLP就会有HuggingFace的名字出现，HuggingFace为NLP任务提供了维护了一系列开源库的应用和实现，虽然效率不是最高的，但是它为我们入门和学习提供了非常好的帮助，今天我们来看一下用于NLP任务的数据集总结。
安装这一步非常简单，我们将使用两个开源库。

pip install transformers datasets

数据集提供的方法通过文档我们看到了一些主要方法。第一个是数据集的列表，可以看到HuggingFace提供了 3500 个可用数据集

from datasets import list_datasets, load_dataset, list_metrics, load_metric# Print all the available datasets print(list_datasets())

要实际使用数据集时可以使用 load_dataset 方法进行加载

dataset = load_dataset('acronym_identification')

加载数据集后会返回一个数据集对象。
使用数据集对象这里的数据集并不是使用传统的 csv 或 excel 格式，而是使用对象形式，该对象以某种结构存储数据集的元数据。当打印数据集时，可以看到：

5分钟NLP（HuggingFace|5分钟NLP：HuggingFace 内置数据集的使用教程）

文章图片

内置的数据集已经被拆分好了相应的数据阶段。在 features 和 num_rows 键中说明了列及样本数量。
数据集对象的查询的在语法上与使用 Pandas DataFrame 的操作非常相似。以下是一些可用于获取有关对象的更多信息的方法。

dataset['train'][0]

文章图片

特征提取

dataset['train'].features

文章图片

数据集描述如果需要有关数据集来源或创建方式的更多信息，还可以获得背景信息和引文等等。

dataset['train'].description

文章图片

dataset['train'].citation

文章图片

自定义数据集加载我们在最终使用的时候肯定会用到自己的数据，这时仍然可以将本地 CSV 文件和其他文件类型加载到Dataset 对象中。例如，假设有一个 CSV 文件，可以简单地将其传递给 load_dataset 方法。

dataset = load_dataset('csv', data_files='train.csv')

也可以处理多个 CSV 文件

dataset = load_dataset('csv', data_files=['train.csv', 'test.csv'])

当使用 HuggingFace 提供的预训练模型对自己的数据集进行微调时，使用自定义数据集会非常方便。
总结 Hugging Face 为我们提供了提供的大量资源，使端到端处理大型 NLP 和 ML 工作负载变得容易。虽然在灵活性等某些方面还是不足，但是Hugging Face是每个NLP爱好者都应该关注的库。
https://www.overfit.cn/post/aac850c9aefd4b7e9543356b383fdb5f
【5分钟NLP（HuggingFace|5分钟NLP：HuggingFace 内置数据集的使用教程）】作者：Ram Vegiraju