925b9353创建于 2025年1月16日历史提交
# 请按照您的真实环境修改 set_env.sh 路径
source /usr/local/Ascend/ascend-toolkit/set_env.sh
mkdir ./dataset/internlm3/

python ./preprocess_data.py \
        --input ./dataset/internlm3/train-00000-of-00042-d964455e17e96d5a.parquet \
        --tokenizer-name-or-path ./model_from_hf/internlm3_8b_hf/ \
        --output-prefix ./dataset/internlm3/enwiki \
        --workers 4 \
        --log-interval 1000 \
        --tokenizer-type PretrainedFromHF \
        --tokenizer-not-use-fast