Platform for AI (PAI) のLLM-MD5デデュプリケータ (DLC) コンポーネントを使用して、テキストのMD5ハッシュ値を計算し、ハッシュ値に基づいてテキストをデデュプリケートします。 入力Object Storage Service (OSS) データファイルは、JSONライン形式であり、次の要件を満たす必要があります。ファイルの各行は有効なJSONオブジェクトであり、ファイルは複数行のJSONオブジェクトで構成されますが、ファイルは有効なJSONオブジェクトではありません。 詳細については、「例」をご参照ください。
サポートされるコンピューティングリソース
アルゴリズムの説明
アルゴリズムは、入力テキストに対して
hashlib.md5ハッシュメソッドを使用してハッシュ値を計算します。 複数のテキストエントリが同じハッシュ値を持つ場合、1つのテキストエントリのみが保持されます。アルゴリズムは、テキストエントリの最初と最後の空白文字を削除した後に、テキストエントリのハッシュ値を計算します。 テキストエントリの文字は大文字と小文字が区別されます。
コンポーネントの設定
Machine Learning Designerのパイプラインページで、LLM-MD5デデュプリケーター (DLC) コンポーネントのパラメーターを設定します。
タブ | パラメーター | 必須 | 説明 | デフォルト値 | |
フィールドの設定 | Target Processフィールド | 可 | 処理するフィールドの名前。 | N/A | |
OutputDataを保存するためのOSSディレクトリ | 不可 | 生成されたデータが保存されるOSSディレクトリ。 このパラメーターを指定しない場合、ワークスペースのデフォルトパスが使用されます。 | N/A | ||
チューニング | プロセス数 | 不可 | プロセスの数。 | 8 | |
リソースグループの選択 | パブリックリソースグループ | 不可 | 使用するインスタンスタイプ (CPUまたはGPU) 、インスタンス数、および仮想プライベートクラウド (VPC) 。 | N/A | |
専用リソースグループ | 不可 | 使用するvCPU、メモリ、共有メモリの数、GPUの数、およびインスタンスの数。 | N/A | ||
最大実行時間 | 不可 | コンポーネントを実行できる最大期間。 この時間を超えると、ジョブは終了する。 | N/A | ||