Collate
bert_padding_collate_fn(batch, padding_value, min_length=None, max_length=None)
BERT 数据加载器的 Padding collate 函数。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
batch
|
list
|
样本列表。 |
必需 |
padding_value
|
int
|
Tokenizer 的 pad token ID。 |
必需 |
min_length
|
int | None
|
输出批次的最小长度;张量将被填充到此长度。如果未提供,则不会添加超出 max_length 的额外填充。 |
None
|
max_length
|
int | None
|
序列的最大长度。如果未提供,张量将被填充到批次中最长序列的长度。 |
None
|
源代码位于 bionemo/llm/data/collate.py
中
91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 |
|
padding_collate_fn(batch, padding_values, min_length=None, max_length=None)
带有 padding 的 Collate 函数。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
batch
|
Sequence[_T]
|
样本列表,每个样本都是张量字典。 |
必需 |
padding_values
|
dict[str, int]
|
每个张量键的 padding 值字典。 |
必需 |
min_length
|
int | None
|
输出批次的最小长度;张量将被填充到此长度。如果未提供,则不会添加超出 max_length 的额外填充。 |
None
|
max_length
|
int | None
|
序列的最大长度。如果未提供,张量将被填充到批次中最长序列的长度。 |
None
|
返回
类型 | 描述 |
---|---|
_T
|
具有相同字典输入结构的 collate 批次。 |
源代码位于 bionemo/llm/data/collate.py
中
34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 |
|