LLM-計數過濾（DLC）組件主要用于根據數字和字母字符比例過濾樣本。輸入的OSS數據文件（JSONL格式，示例）需符合：每一行是一個合法的JSON對象，文件由多行JSON對象組成，整個文件本身不是合法的JSON對象。
支持的計算資源
算法說明
LLM-計數過濾組件支持以下功能：
根據數字和字母字符比例過濾
統計文本中是數字或者字母的字符占總文本長度的比例過濾樣本。
根據字母字符占文本token比例過濾
統計文本中所有字母字符的個數，并使用pythia-6.9b-deduped模型將文本切分為token，計算字母字符和token個數的比值。根據比值過濾樣本。
配置組件
在Designer工作流頁面添加LLM-計數過濾（DLC）組件，并在界面右側配置相關參數：
參數類型 | 參數 | 是否必選 | 描述 | 默認值 | |
字段設置 | 目標處理字段 | 是 | 要處理的字段名稱。 | 無 | |
是否根據數字和字母字符比例過濾 | 否 | 是否根據數字和字母字符的比例過濾。如果選中，需配置以下參數：
| 未選中 | ||
是否根據字母字符占文本token比例過濾 | 否 | 統計文本中的所有字母字符個數，并使用pythia-6.9b-deduped模型將文本切分為token，計算字母個數和token個數的比值。如果選中，需配置以下參數：
| 未選中 | ||
數據輸出OSS目錄 | 否 | 處理后數據的OSS存儲目錄。如果為空，使用工作空間默認路徑。 | 無 | ||
執行調優 | 多進程個數 | 否 | 設置進程數。 | 8 | |
選擇資源組 | 公共資源組 | 否 | 選擇節點規格（CPU或GPU實例規格）、節點數量、專有網絡。 | 無 | |
專有資源組 | 否 | 選擇CPU核數、內存、共享內存、GPU卡數、節點數量。 | 無 | ||
最大運行時長 | 否 | 組件最大運行時長，超過這個時間，作業會被kill。 | 無 | ||
文檔內容是否對您有幫助？