Language modelling dataset only one sample

描述

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))

貢獻者指南

技術棧

pythonpytorch

領域

data

議題類型

bug

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。

3

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 hours

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。

stale

清晰度議題是否清楚說明預期改動、驗收標準和下一步。

clear

前置要求

Python programmingPyTorch basicstorchtext dataset API

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。

50

研究方向

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.