ViperEkura/DataPipeline
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity
99 Commits 1 Branch 0 Tags
e1125be3a72ddc00a875278b620efc73548fb2e2
Commit Graph
99 Commits
This Branch
This Branch
All Branches
Author SHA1 Message Date
ViperEkura e1125be3a7 fix: mask 全链路保持 bool dtype（创建→打包→HDF5落盘/读盘） 2026-05-15 17:23:51 +08:00
ViperEkura 625695fd71 fix: padding 默认值改为 0，避免 loss_mask 误计 padding 位置 2026-05-15 16:59:42 +08:00
ViperEkura cb6bfcb976 refactor: 重构流水线架构，添加Pipeline抽象并拆分IOHandler 2026-04-23 19:45:57 +08:00
ViperEkura a38334f4ce refactor: 修改模型架构 2026-04-16 18:57:21 +08:00
ViperEkura cb93f8219e chore: 更新.gitigore 2026-04-02 18:48:54 +08:00
ViperEkura f44ad6912e fix: 修复特殊token 问题 2026-04-02 16:16:02 +08:00
ViperEkura e01ec081b3 fix: 修复打包策略问题 2026-03-30 21:08:22 +08:00
ViperEkura 35963bcb08 reafactor: 重构项目 2026-03-30 20:58:51 +08:00
ViperEkura f67bad0d8b perf: 优化 processors、cache、packing 模块性能并简化 README 2026-03-30 17:50:26 +08:00
ViperEkura 7baa3ea0c3 feat: 增加日志管理 2026-03-30 16:28:56 +08:00
ViperEkura 71887bb4bb fix: 修复 pipeline 模块中的打包逻辑缺陷并完善测试覆盖 2026-03-30 12:22:37 +08:00
ViperEkura 07ef471aa6 chore: 增加 h5_cache 脚本 2026-03-21 21:33:38 +08:00
ViperEkura 909f1b400c refactor: 修改项目结构 2026-03-21 21:25:59 +08:00
ViperEkura 5b47ab1dea chore: 更新.gitigore 2026-03-21 16:46:53 +08:00
ViperEkura 3fb2326115 refactor: 重构数据管道模块 2026-03-20 21:36:37 +08:00
ViperEkura 7045de9c32 fix: 修复存储和加载逻辑 2026-03-06 11:03:42 +08:00
ViperEkura fbda7163a0 reafactor: 放弃文件压缩设置 2026-03-01 15:34:06 +08:00
ViperEkura 3a8edc156d refactor: 更新dump_files函数 2026-02-27 19:46:00 +08:00
ViperEkura eb2c6d4ffb refactor: 更新 gitignore 2026-02-27 19:03:09 +08:00
ViperEkura faa391c115 fix: 修复文件缀问题 2026-02-27 19:02:12 +08:00
ViperEkura 5d32b01860 build: 增加build 设置 2026-02-27 17:38:57 +08:00
ViperEkura c32784bf9f reafactor: 使用h5 文件格式存储 2026-02-27 17:31:54 +08:00
ViperEkura 617ef7164d feat(tokenizer): 优化BPE分词器的预处理和训练配置 2025-12-21 21:50:53 +08:00
ViperEkura 397c8e5d0f fix(module): 修复一些错误 2025-10-30 15:17:06 +08:00
ViperEkura 1deb6d59a3 fix(tokenizer): 更新特殊token定义以支持新的对话格式 2025-10-25 16:50:41 +08:00
ViperEkura 491b39b23f fix(utils): 优化序列打包逻辑以提高效率和正确性 2025-10-07 12:11:40 +08:00
ViperEkura cd3a22c1ac feat(utils): 为缓存文件函数添加 packing 和 padding 参数支持 2025-10-02 22:01:00 +08:00
ViperEkura 2ccb26add4 feat(tokenizer): 调整 BPE 分词器的字母表限制并新增用户与系统标识符属性 2025-10-02 22:00:52 +08:00
ViperEkura 85bdd2bf4e refactor(.gitignore): 更新输出目录忽略规则 2025-09-29 16:59:29 +08:00
ViperEkura e844680025 fix(utils): 重命名变量并统一张量转换逻辑 2025-09-29 14:13:46 +08:00
ViperEkura c3ebc4f681 refactor(utils): 简化SFT处理器逻辑 2025-09-28 15:50:10 +08:00
ViperEkura 44be73d255 refactor(supervised_finetuning): 重构 Chinese Instruct 数据集处理逻辑 2025-09-12 13:46:04 +08:00
ViperEkura a976dc931b refactor(utils): 更新 comprehensive_normalization 函数 2025-08-25 19:36:59 +08:00
ViperEkura be79108f84 refactor(utils): 更新缓存文件键名 2025-08-11 13:49:58 +08:00
ViperEkura 96f3eb27fb refactor(reforce_learning): 修改 DPO 数据集处理输出目录 2025-08-11 11:35:56 +08:00
ViperEkura fcd2b66b5c feat(utils): 添加 DPO 训练模式的处理器 2025-08-10 14:22:48 +08:00
ViperEkura 0bd877fcd3 chore: 更新项目结构 2025-08-10 14:18:16 +08:00
ViperEkura 6a259cab0d refactor(supervised_finetuning): 移除 smoltalk-chinese 数据集处理脚本 2025-08-10 11:30:08 +08:00
ViperEkura ce263985d9 refactor(utils): 重构数据处理流程并添加 DPO 数据缓存支持 2025-08-10 11:27:02 +08:00
ViperEkura 3966481bfe docs: 更新 README 文件结构 2025-08-09 23:25:17 +08:00
ViperEkura 1d10971fb5 refactor(supervised_finetuning): 修改 smoltalk-chinese 数据集处理脚本 2025-08-09 23:09:34 +08:00
ViperEkura 008cfb62f0 feat(supervised_finetuning): 添加对话数据集处理脚本 2025-08-06 13:49:33 +08:00
ViperEkura 324fe089c8 refactor(tokenizer): 重构 BpeTokenizer 类并优化编码流程 2025-08-06 13:49:08 +08:00
ViperEkura f7200ee4cf feat(pre_train): 更新 Chinese Cosmopedia 数据集处理脚本 2025-08-06 09:58:15 +08:00
ViperEkura d9ef711e28 refactor(pretrain): 更新预训练数据集输出目录名称 2025-08-04 15:18:46 +08:00
ViperEkura 241e24c400 refactor(pretrain): 更新预训练数据集输出目录名称 2025-08-02 17:29:21 +08:00
ViperEkura 931403a713 refactor(data_processing): 重构数据处理脚本并添加 fetch_folders 函数 2025-08-01 22:28:40 +08:00
ViperEkura 9c3ecc252c refactor(utils): 重构数据处理逻辑 2025-08-01 21:52:00 +08:00
ViperEkura 5a1dc4ac38 docs(README): 更新项目文档 2025-08-01 21:04:29 +08:00
ViperEkura 092921f401 refactor(project): 将 utils 和 tokenizer 模块移至 modules 目录 2025-08-01 20:59:17 +08:00