js数组如何根据属性分组

arr = [

      { name: 'apple', color: 'red' },

      { name: 'banana', color: 'yellow' },

      { name: 'grape', color: 'purple' },

      { name: 'apple', color: 'green' },

      { name: 'banana', color: 'green' },

      { name: 'grape', color: 'purple' },

    ];

一.根据name分组

1.用findIndex()

let dataArr = [];
arr.map((mapItem) => {
      let index = dataArr.findIndex((item) => item.name === mapItem.name);
      if (index === -1) {
        dataArr.push({
          name: mapItem.name,
          List: [mapItem],
        });
      } else {
        dataArr[index].List.push(mapItem);
      }
    });
let newArr= dataArr;
console.log(newArr)
-----输出结果----
[
{name: "apple",List:[{name: 'apple', color: 'red'},{name: 'apple', color: 'green'}]},
{name:"banana",List:[{name: 'banana', color: 'yellow'},{name: 'banana', color: 'green'}]},
{name:"grape",List:[{name: 'grape', color: 'purple'},{name: 'grape', color: 'purple'}]}
]

2.用for循环

const names = Array.from(new Set(arr.map(item => item.name)));
let list = [];
for (let j = 0; j < arr.length; j++) {
    let index = names.indexOf(arr[j].name);
    if (list[index]) {
        list[index] = [...list[index], ...[arr[j]]];
    } else {
        list.push([arr[j]]);
    }
}
console.log(list)
----输出结果---
[
[{name: 'apple', color: 'red'},{name: 'apple', color: 'green'}],
[{name: 'banana', color: 'yellow'},{name: 'banana', color: 'green'}],
[{name: 'grape', color: 'purple'},{name: 'grape', color: 'purple'}]
]

二.根据name 、color一起分组

let result = arr.reduce((acc, cur) => {
      let key = cur.name + cur.color;
      if (!acc[key]) {
        acc[key] = [];
      }
      acc[key].push(cur);
      return acc;
    }, {});

    console.log(result);
----输出结果----
    {
  "applered": [
    { "name": "apple", "color": "red" }
  ],
  "bananayellow": [
    { "name": "banana", "color": "yellow" }
  ],
  "grapepurple": [
    { "name": "grape", "color": "purple" },
    { "name": "grape", "color": "purple" }
  ],
  "applegreen": [
    { "name": "apple", "color": "green" }
  ],
  "bananagreen": [
    { "name": "banana", "color": "green" }
  ]
}

### 大模型对齐微调DPO方法详解 #### DPO简介 直接偏好优化(Direct Preference Optimization, DPO)是一种用于改进大型语言模型行为的技术,该技术通过结合奖励模型训练和强化学习来提升训练效率稳定性[^1]。 #### 实现机制 DPO的核心在于它能够依据人类反馈调整模型输出的概率分布。具体来说,当给定一对候选响应时,DPO试图使更受偏好的那个选项具有更高的生成概率。这种方法不仅简化了传统强化学习所需的复杂环境设置,而且显著增强了模型对于多样化指令的理解能力和执行精度[^2]。 #### PAI平台上的实践指南 为了便于开发者实施这一先进理念,在PAI-QuickStart框架下提供了详尽的操作手册。这份文档覆盖了从环境配置直至完成整个微调流程所需的一切细节,包括但不限于数据准备、参数设定以及性能评估等方面的内容。尤其值得注意的是,针对阿里云最新发布的开源LLM——Qwen2系列,文中给出了具体的实例说明,使得即使是初次接触此类工作的用户也能顺利上手。 ```python from transformers import AutoModelForCausalLM, Trainer, TrainingArguments model_name_or_path = "qwen-model-name" tokenizer_name = model_name_or_path training_args = TrainingArguments( output_dir="./results", per_device_train_batch_size=8, num_train_epochs=3, ) trainer = Trainer( model_init=lambda: AutoModelForCausalLM.from_pretrained(model_name_or_path), args=training_args, train_dataset=train_dataset, ) # 假设已经定义好了train_dataset trainer.train() ``` 这段代码片段展示了如何使用Hugging Face库加载预训练模型并对其进行微调的过程。虽然这里展示的例子并不完全对应于DPO的具体实现方式,但它提供了一个基础模板供进一步定制化开发之用[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

文哈哈wcx

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值