pytorch/text

Language modelling dataset only one sample

Open

#381 geöffnet am 12. Sept. 2018

Auf GitHub ansehen
 (2 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (3.396 Stars) (822 Forks)batch import
datasetshelp wanted

Beschreibung

from torchtext import data
from torchtext import datasets

TEXT = data.Field(lower=True, batch_first=True)

train, valid, test = datasets.WikiText2.splits(TEXT)

print('len(train)', len(train))

This returns a length of one. It should print the length of the whole dataset. I have tried both with version 0.2.3 and 0.3 and none of them worked.

Contributor Guide

Tech Stack
pythonpytorch
Domain
data
Issue Type
bug
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-3 hours
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
stale
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
clear
Voraussetzungen
Python programmingPyTorch basicstorchtext dataset API
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
50
Research-Richtung
Investigate the implementation of the `splits` method or the WikiText2 dataset class in the torchtext library. The bug likely resides in how the dataset is loaded or split, causing only one sample to be returned. Examine the source code in the `torchtext/datasets/` directory and check for any version specific issues between 0.2.3 and 0.3. Also review any related issues or documentation to understand expected behavior.