LLM-MD5去重(DLC)組件主要用于計算文本的MD5哈希值,根據哈希值對文本進行去重。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
對所有輸入的文本數據使用
hashlib.md5
哈希算法計算哈希值。哈希值相同的文本僅保留一個。對于每條輸入文本,會去除頭尾空白符再計算哈希值,字符區分大小寫。
配置組件
在Designer工作流頁面添加LLM-MD5去重(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 | |
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?