【AI大模型】Transformers大模型库（十四）：Datasets Viewer
目录
一、引言
二、Datasets Viewer数据查看器
2.1 概述
2.2 示例
三、总结
一、引言
这里的Transformers指的是huggingface开发的大模型库，为huggingface上数以万计的预训练大模型提供预测、训练等服务。
🤗 Transformers 提供了数以千计的预训练模型，支持 100 多种语言的文本分类、信息抽取、问答、摘要、翻译、文本生成。它的宗旨是让最先进的 NLP 技术人人易用。
🤗 Transformers 提供了便于快速下载和使用的API，让你可以把预训练模型用在给定文本、在你的数据集上微调然后通过 model hub 与社区共享。同时，每个定义的 Python 模块均完全独立，方便修改和快速研究实验。
🤗 Transformers 支持三个最热门的深度学习库： Jax, PyTorch 以及 TensorFlow — 并与之无缝整合。你可以直接使用一个框架训练你的模型然后用另一个加载和推理。
本文重点介绍Hugging Face的Datasets Viewer用法
二、Datasets Viewer数据查看器
2.1 概述
Datasets Viewer是一个轻量级的 Web API，用于可视化和探索存储在 Hugging Face Hub上的所有类型的数据集（计算机视觉、语音、文本和表格）。
数据集查看器的主要功能是将所有Hub 数据集自动转换为Parquet。
随着数据集的大小和数据类型的丰富性不断增加，预处理（存储和计算）这些数据集的成本可能非常高且耗时。为了帮助用户访问这些现代数据集，数据集查看器在后台运行服务器以提前生成 API 响应并将其存储在数据库中，以便当您通过 API 进行查询时立即返回它们。
让数据集查看器处理繁重的工作，这样您就可以在 Hugging Face 上的 100,000 多个数据集中的任何一个上使用简单的REST API来：
- 列出数据集拆分、列名称和数据类型
- 获取数据集大小（以行数或字节数计算）
- 下载并查看数据集中任意索引处的行
- 在数据集中搜索单词
- 根据查询字符串过滤行
- 获取有关数据的深刻统计数据
- 以parquet 文件形式访问数据集，以便在您喜欢的处理或分析框架中使用
2.2 示例
比如，这是ShareGPT4Video/ShareGPT4Video数据集的Dataset Viewer
三、总结
以上步骤展示了如何使用Datasets Viewer来查看数据，Datasets是hugging face主要我存储资源之一，通过Datasets Viewer可以快速查看。
如果您还有时间，可以看看我的其他文章：
《AI—工程篇》
AI智能体研发之路-工程篇（一）：Docker助力AI智能体开发提效
AI智能体研发之路-工程篇（二）：Dify智能体开发平台一键部署
AI智能体研发之路-工程篇（三）：大模型推理服务框架Ollama一键部署
AI智能体研发之路-工程篇（四）：大模型推理服务框架Xinference一键部署
AI智能体研发之路-工程篇（五）：大模型推理服务框架LocalAI一键部署
《AI—模型篇》
AI智能体研发之路-模型篇（一）：大模型训练框架LLaMA-Factory在国内网络环境下的安装、部署及使用
AI智能体研发之路-模型篇（二）：DeepSeek-V2-Chat 训练与推理实战
AI智能体研发之路-模型篇（三）：中文大模型开、闭源之争
AI智能体研发之路-模型篇（四）：一文入门pytorch开发
AI智能体研发之路-模型篇（五）：pytorch vs tensorflow框架DNN网络结构源码级对比
AI智能体研发之路-模型篇（六）：【机器学习】基于tensorflow实现你的第一个DNN网络
AI智能体研发之路-模型篇（七）：【机器学习】基于YOLOv10实现你的第一个视觉AI大模型
AI智能体研发之路-模型篇（八）：【机器学习】Qwen1.5-14B-Chat大模型训练与推理实战
AI智能体研发之路-模型篇（九）：【机器学习】GLM4-9B-Chat大模型/GLM-4V-9B多模态大模型概述、原理及推理实战
《AI—Transformers应用》
【AI大模型】Transformers大模型库（一）：Tokenizer
【AI大模型】Transformers大模型库（二）：AutoModelForCausalLM
【AI大模型】Transformers大模型库（三）：特殊标记（special tokens）
【AI大模型】Transformers大模型库（四）：AutoTokenizer
【AI大模型】Transformers大模型库（五）：AutoModel、Model Head及查看模型结构