data-juicer · Issues· 61 开放
在 GitHub 打开本地同步的开放议题（评论请到 GitHub 查看）
- #1031
[跟踪] 减少 Data-Juicer 算子的峰值内存使用 / Reduce peak memory usage across Data-Juicer operators
更新于 2026年8月6日 - #1006
我有一个想法,即在当前项目中为非结构化数据实现线索功能,类似于Apache Atlas或OpenLineage中的结构化数据线索。
enhancement更新于 2026年7月26日 - #920
为什么datajuicer 在 Ray 模式下不支持 groupby 算子？
question更新于 2026年2月25日 - #909
ETL 过程咨询
question更新于 2026年2月15日 - #695
data-juicer 是否计划支持流式或微批计算?
enhancement更新于 2026年2月13日 - #915
多分支执行 (DAG 功能增强)
enhancementdj:core更新于 2026年2月13日 - #667
如何实现两个算子的逻辑运算关系?
good first issuequestion更新于 2026年2月13日 - #732
data-juicer 何时支持使用对象存储的数据集?
questiondj:distdj:coredj:datalake更新于 2026年2月11日 - #734
如何在处理数百万个样本时减少内存开销?
question更新于 2026年2月11日 - #792
能把所有使用的模型放在一个地方吗？
good first issue更新于 2026年2月11日 - #670
提高光线模式下的 GPU 利用率
enhancementdj:dist更新于 2026年1月23日 - #878
Perplexity 算子在计算中文数据集时特别大
question更新于 2026年1月16日 - #879
去重算子 CPU 利用率非常低
question更新于 2026年1月14日 - #813
数据增强是否只能用于单字段的 JSON，而不能用于多字段？
更新于 2026年1月13日 - #797
RayDataSet 类中的 read、read_json 和 read_webdataset 函数的返回类型是否有问题?
更新于 2025年12月24日