WMT14¶

class paddle.text.datasets. WMT14 [源代码] ¶

该类是对 WMT14 测试数据集实现。由于原始 WMT14 数据集太大，我们在这里提供了一组小数据集。该类将从 http://paddlemodels.bj.bcebos.com/wmt/wmt14.tgz 下载数据集。

参数¶

**data_file**（str）- 保存数据集压缩文件的路径，如果参数：attr: download 设置为 True，可设置为 None。默认为 None。

**mode**（str）- 'train'，'test' 或'gen'。默认为'train'。

**dict_size**（int）- 词典大小。默认为-1。

**download**（bool）- 如果：attr: data_file 未设置，是否自动下载数据集。默认为 True。

返回值¶

Dataset，WMT14 数据集实例。

src_ids (np.array) - 源语言当前的 token id 序列。

trg_ids (np.array) - 目标语言当前的 token id 序列。

trg_ids_next (np.array) - 目标语言下一段的 token id 序列。

代码示例¶

COPY-FROM: paddle.text.datasets.WMT14