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。作者在后续推文补充致谢了 Li Yonghui、yuxin00j 与 Zhixiang Li 等贡献者。
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
- PyTorch 实测:ExecuTorch+Arm SME2 让端侧流式语音识别提速 2.12 倍 — PyTorch · 2026-10-27
- 单 GPU 收入可随降价上升：Gavin Baker 拆解 token 价格与利润率的算术 — GavinSBaker · 2026-10-27
- Anthropic S-1 关键数字:成立以来算力支出仅 193 亿美元,算力过度建设警报 — bookwormengr · 2026-10-27
- CoreWeave 三周 RL 后训练:BrowseComp 提升 22.9%,工具调用省三成 — RichardSocher · 2026-10-27
- 电网排队成 AI 工厂瓶颈,Exowatt 与 Redwood 给出储能新解法 — ingliguori · 2026-10-27
- Wasmtime 曝两个 CVSS 9.9 沙箱逃逸漏洞，其中一个仅影响 ARM64 — basedjensen · 2026-10-27