facebookresearch/fairseq

Invalid suffix of raw dataset when preprocessing without language

Open

#1,426 建立於 2019年11月25日

在 GitHub 查看
 (2 留言) (0 反應) (0 負責人)Python (6,224 fork)batch import
bughelp wanted

倉庫指標

Star
 (29,107 star)
PR 合併指標
 (30 天內沒有已合併 PR)

描述

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?

貢獻者指南

研究方向
檢查 preprocess.py 第218行的預處理程式碼，確定當未指定語言時是否應刪除語言後綴。考慮此後綴是否影響資料集載入以及刪除是否安全。
技術棧
python
領域
backend
議題類型
錯誤
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
2
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-3 小時
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
活躍
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
清晰
前置要求
GitPython
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
75