首页
/ HuggingFace Datasets 3.6.0版本发布:Xet存储加速与多项功能优化

HuggingFace Datasets 3.6.0版本发布:Xet存储加速与多项功能优化

2025-06-01 23:55:52作者:翟江哲Frasier

HuggingFace Datasets是机器学习领域广受欢迎的数据集处理库,它提供了高效的数据加载、预处理和共享功能,极大简化了机器学习研究者和工程师处理数据的工作流程。近日,该项目发布了3.6.0版本,带来了一系列值得关注的新特性和改进。

Xet存储集成显著提升数据上传下载速度

3.6.0版本最引人注目的变化是引入了Xet存储支持。Xet是一种高性能的数据存储解决方案,现在被集成到Datasets库中,用于加速数据集的上传和下载操作。这一改进特别有利于处理大型数据集的研究人员,可以显著减少等待数据加载的时间。

在实际应用中,用户只需像往常一样使用push_to_hub方法上传数据集,库会自动利用Xet存储的优势。对于下载操作也同样如此,当从Hub获取数据集时,系统会自动选择最优的传输方式。这种无缝集成意味着用户无需学习新的API或改变现有工作流程,就能享受到性能提升带来的好处。

数据处理功能增强

新版本对DatasetDict.map方法进行了扩展,新增了try_original_type参数。这个参数允许用户在映射操作后尝试保持原始数据类型,而不是总是返回新的数据类型。这一改进使得数据转换过程更加灵活,特别是在需要保持特定数据格式的复杂处理流程中非常有用。

对于迭代式数据处理,3.6.0版本优化了arrow iterables的重新批处理逻辑。现在,在格式化迭代器之前会先进行重新批处理,这有助于提高数据处理管道的效率,特别是在流式处理大型数据集时。

图像处理能力改进

针对图像数据的处理,新版本修复了一个重要问题:现在Image特征能够正确处理来自Spark DataFrames的bytearray对象。这一改进使得Datasets库能够更好地与大数据处理框架Spark集成,方便用户在分布式环境中处理图像数据集后无缝迁移到Datasets中进行后续操作。

缓存与环境配置优化

3.6.0版本改进了缓存系统的文件权限处理,避免使用全局umask来设置文件模式,这增强了在不同环境下的兼容性和安全性。同时,文档中现在明确记录了HF_DATASETS_CACHE环境变量的使用方法,帮助用户更好地理解和控制数据集的缓存行为。

依赖项精简

为了保持库的轻量级特性,新版本移除了对aiohttp的直接依赖。这一变化减小了库的体积,同时避免了潜在的依赖冲突,使得Datasets库在各种环境中的部署更加顺畅。

总结

HuggingFace Datasets 3.6.0版本通过引入Xet存储支持、增强数据处理能力、改进图像处理功能等一系列优化,进一步巩固了其作为机器学习数据处理首选工具的地位。这些改进不仅提升了性能,也增强了库的稳定性和易用性,使得研究人员和工程师能够更加高效地处理各种机器学习数据集。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.97 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
426
34
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
239
9
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
988
394
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
936
554
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
69