Hugging Face datasets 流式近似洗牌获大幅提速
lhoestq · x · 2026-09-07
Hugging Face datasets 库作者 Quentin Lhoest 感谢 Google Cloud Storage 团队的贡献：数据集流式加载配合近似洗牌（approximate shuffling）时速度大幅提升。新实现将 Arrow 批次先缓冲、拼接，再统一用优化过的 Arrow C++ 操作完成行级洗牌，替代了原先较慢的 Python 侧处理。
所属事件:Hugging Face datasets 流式近似洗牌性能大幅提升(2 条相关)→
「Infra」频道最新
- 全同态加密 GPT-2 速通赛开跑:现纪录 3.031 秒/token — tensorqt · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- 斯坦福上线 GPU 超算 Marlowe，服务数据科学与 AI 研究 — StanfordHAI · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- Together 推出并行 LoRA 实验：多个实验共享同一批 GPU，免重复配置 — togethercompute · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27