[huggingface]—离线加载数据集

前言

服务器没网，需要手动下载，离线加载数据。

情况1

以加载下面这个数据集为例：

dataset = load_dataset('stereoset', 'intrasentence')

1. 去hugginface找到这个仓库，看files and versions里面的py文件，需要下载什么文件，比如：

https://huggingface.co/datasets/stereoset/blob/main/stereoset.py
_DOWNLOAD_URL = "https://github.com/moinnadeem/Stereoset/raw/master/data/dev.json"

2. 把这个dev.json，以及files and versions里面的其他文件（这里是dataset_infos.json，stereoset.py）都下载下来，放入目录X。
3. 把加载数据的那行代码改成：

dataset = load_dataset(“X/stereoset.py”, 'intrasentence')

（如果是dataset = load_dataset(“X”, 'intrasentence')，会走site-packages/datasets/builder.py的def _prepare_split_single，可能会报如下错）

ValueError: Not able to read records in the JSON file at /data/syxu/representation-engineering/data/fairness/dev.json. You should probably indicate the