fix: 修复特殊token 问题
This commit is contained in:
+29
-10
@@ -7,6 +7,7 @@ Usage:
|
||||
python scripts/cache_h5.py sft ./dataset/belle-sft --pack-size 4096 --strategy alpaca
|
||||
python scripts/cache_h5.py sft ./dataset/Ling-Coder-sft --tokenizer ./my_tokenizer.json
|
||||
"""
|
||||
|
||||
import argparse
|
||||
import os
|
||||
|
||||
@@ -18,16 +19,34 @@ def main():
|
||||
parser = argparse.ArgumentParser(description="JSONL -> H5 cache")
|
||||
parser.add_argument("type", choices=["pt", "sft", "dpo"], help="Processor type")
|
||||
parser.add_argument("input_dir", help="Directory containing JSONL files")
|
||||
parser.add_argument("-o", "--output-dir", default=None,
|
||||
help="H5 output dir (default: <input_dir>/cached)")
|
||||
parser.add_argument("-t", "--tokenizer", default="./tokenizer.json",
|
||||
help="Tokenizer path (default: ./tokenizer.json)")
|
||||
parser.add_argument("-s", "--strategy", default=None,
|
||||
help="Prompt strategy: chatml, alpaca (default: chatml)")
|
||||
parser.add_argument("-p", "--pack-size", type=int, default=-1,
|
||||
help="Pack size, <=0 to disable (default: -1)")
|
||||
parser.add_argument("--pad-value", type=int, default=1,
|
||||
help="Padding value (default: 1)")
|
||||
parser.add_argument(
|
||||
"-o",
|
||||
"--output-dir",
|
||||
default=None,
|
||||
help="H5 output dir (default: <input_dir>/cached)",
|
||||
)
|
||||
parser.add_argument(
|
||||
"-t",
|
||||
"--tokenizer",
|
||||
default="./tokenizer.json",
|
||||
help="Tokenizer path (default: ./tokenizer.json)",
|
||||
)
|
||||
parser.add_argument(
|
||||
"-s",
|
||||
"--strategy",
|
||||
default=None,
|
||||
help="Prompt strategy: chatml, alpaca (default: chatml)",
|
||||
)
|
||||
parser.add_argument(
|
||||
"-p",
|
||||
"--pack-size",
|
||||
type=int,
|
||||
default=-1,
|
||||
help="Pack size, <=0 to disable (default: -1)",
|
||||
)
|
||||
parser.add_argument(
|
||||
"--pad-value", type=int, default=1, help="Padding value (default: 1)"
|
||||
)
|
||||
args = parser.parse_args()
|
||||
|
||||
jsonl_files = IOHandler.fetch_files(args.input_dir, suffix=".jsonl")
|
||||
|
||||
Reference in New Issue
Block a user