facebookresearch/fairseq

Invalid suffix of raw dataset when preprocessing without language

Open

#1.426 aberto em 25 de nov. de 2019

Ver no GitHub
 (2 comments) (0 reactions) (0 assignees)Python (6.224 forks)batch import
bughelp wanted

Métricas do repositório

Stars
 (29.107 stars)
Métricas de merge de PR
 (Nenhuma PRs mesclada em 30d)

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?

Guia do colaborador

Direção de pesquisa
Inspecione o código de pré processamento na linha 218 do preprocess.py para determinar se o sufixo de idioma deve ser removido quando nenhum idioma é especificado. Considere se esse sufixo afeta o carregamento do conjunto de dados e se é seguro removê lo.
Pilha de tecnologia
python
Domain
backend
Tipo Issue
Bug
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
2
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
1-3 horas
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Claro
Prerequisites
GitPython
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
75