文档

LLM-MD5去重(DLC)

更新时间:

LLM-MD5去重(DLC)组件主要用于计算文本的MD5哈希值,根据哈希值对文本进行去重。输入的OSS数据文件(JSONL格式,示例)需符合:每一行是一个合法的JSON对象,文件由多行JSON对象组成,整个文件本身不是合法的JSON对象。

支持的计算资源

DLC

算法说明

  • 对所有输入的文本数据使用hashlib.md5哈希算法计算哈希值。哈希值相同的文本仅保留一个。

  • 对于每条输入文本,会去除头尾空白符再计算哈希值,字符区分大小写。

配置组件

在Designer工作流页面添加LLM-MD5去重(DLC)组件,并在界面右侧配置相关参数:

参数类型

参数

是否必选

描述

默认值

字段设置

目标处理字段

要处理的字段名称。

数据输出OSS目录

处理后数据的OSS存储目录。如果为空,使用工作空间默认路径。

执行调优

多进程个数

设置进程数。

8

选择资源组

公共资源组

选择节点规格(CPU或GPU实例规格)、节点数量、专有网络。

专有资源组

选择CPU核数、内存、共享内存、GPU卡数、节点数量。

最大运行时长

组件最大运行时长,超过这个时间,作业会被kill。

  • 本页导读 (1)