facebookresearch/fairseq

Invalid suffix of raw dataset when preprocessing without language

Open

#1 426 ouverte le 25 nov. 2019

Voir sur GitHub
 (2 commentaires) (0 réactions) (0 assignés)Python (6 224 forks)batch import
bughelp wanted

Métriques du dépôt

Stars
 (29 107 stars)
Métriques de merge PR
 (Aucune PR mergée en 30 j)

Description

When preprocessing using --dataset-impl raw and no source and target languages are specified, the datasets are stored under train.None-None due to this line:

https://github.com/pytorch/fairseq/blob/5349052aae4ec1350822c894fbb6be350dff61a0/preprocess.py#L218

Is this expected behavior or can we remove this suffix?

Guide contributeur

Direction de recherche
Inspectez le code de prétraitement à la ligne 218 de preprocess.py pour déterminer si le suffixe de langue doit être supprimé lorsqu'aucune langue n'est spécifiée. Considérez si ce suffixe affecte le chargement de l'ensemble de données et s'il est sûr de le supprimer.
Stack technique
python
Domaine
backend
Type d'issue
Bug
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
2
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-3 heures
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
GitPython
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
75