ワンクリックでManusで任意のスキルを実行

始める

reproflow-onboard-dataset

スター15

フォーク1

更新日2026年5月10日 14:21

通过数据 YAML、adapter/Dataset 契约和 doctor 检查，把自定义数据集接入 ReproFlow。

インストール

Codex または Claude でインストールこの Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。

Manusで実行

ソース

haibarazz

haibarazz/ReproFlow

GitHub リポジトリを開く Creator のリポジトリを見る

ダウンロード

Manusで実行

ReproFlow 接入数据集

当用户想把自己的数据集接入 ReproFlow 时，使用这个 skill。

渐进式读取

普通 CSV/tabular 数据集：直接走下面的快速路径。
新 batch 形态或论文专用预处理：读取 references/adapter-patterns.md。
如果是在论文复现任务中接入数据，也读取 ../reproflow-reproduce-paper/references/contracts.md。

快速路径

把数据文件放到 dataset/<task_name>/ 或 dataset/<task_name>.csv。
创建 configs/data/<task_name>.yaml。
声明数据路径、label、特征列、split、preprocess、adapter 和 dataset。
普通 tabular 或 text-feature 数据集使用：

adapter:
  _target_: reproflow.data.tabular.TabularDataAdapter
dataset:
  _target_: reproflow.data.tabular.TabularDataset

推荐系统、图数据、序列数据或论文专用 batch 形态，需要在 reproflow/data/ 或 paper_methods/<method>/data.py 中新增聚焦的 adapter/Dataset。
普通数据接入不要修改 Data_pre.py 或 Dataset.py。
验证契约：

python scripts/doctor.py data=<task_name> model=transformer trainer=<binary|multiclass|regression> metrics=default

常见修复

如果某列缺失，修 configs/data/<task_name>.yaml，不要改模型代码。
如果 label 是字符串，让预处理流程自动编码。
如果二分类出现超过两个 label，改成 multiclass_classification 或修正 label 定义。
做模型 seed 对比时，默认使用 seed_controls_data_split: false，除非实验明确研究 split 方差。
当方法需要不同 batch 契约时，参考 configs/data/examples/recommender_pairwise_example.yaml 和 configs/data/examples/graph_minibatch_example.yaml。

このリポジトリの他の Skills

同じリポジトリ

reproflow-add-metric

haibarazz/ReproFlow

在不修改训练主循环的前提下，为 ReproFlow 添加或配置评估指标。

2026-05-1015

reproflow-add-model

haibarazz/ReproFlow

在遵守 ReproFlow 模型、配置、数据和 trainer 契约的前提下，添加新的深度学习模型或 baseline。

2026-05-1015

reproflow-debug-run

haibarazz/ReproFlow

使用配置、doctor 检查、日志和生成文件诊断 ReproFlow 运行失败。

2026-05-1015

reproflow-reproduce-paper

haibarazz/ReproFlow

在 ReproFlow 中复现机器学习论文，把 docs/papers 中的论文转成方法插件、配置、adapter/trainer 选择、smoke check 和公平对比实验。

2026-05-1015

reproflow-run-fair-experiment

haibarazz/ReproFlow

使用统一指标和随机种子创建或运行 baseline 与论文方法的公平对比实验。

2026-05-1015

name	reproflow-onboard-dataset
description	通过数据 YAML、adapter/Dataset 契约和 doctor 检查，把自定义数据集接入 ReproFlow。

ReproFlow 接入数据集

当用户想把自己的数据集接入 ReproFlow 时，使用这个 skill。

渐进式读取

普通 CSV/tabular 数据集：直接走下面的快速路径。
新 batch 形态或论文专用预处理：读取 references/adapter-patterns.md。
如果是在论文复现任务中接入数据，也读取 ../reproflow-reproduce-paper/references/contracts.md。

快速路径

把数据文件放到 dataset/<task_name>/ 或 dataset/<task_name>.csv。
创建 configs/data/<task_name>.yaml。
声明数据路径、label、特征列、split、preprocess、adapter 和 dataset。
普通 tabular 或 text-feature 数据集使用：

adapter:
  _target_: reproflow.data.tabular.TabularDataAdapter
dataset:
  _target_: reproflow.data.tabular.TabularDataset

推荐系统、图数据、序列数据或论文专用 batch 形态，需要在 reproflow/data/ 或 paper_methods/<method>/data.py 中新增聚焦的 adapter/Dataset。
普通数据接入不要修改 Data_pre.py 或 Dataset.py。
验证契约：

python scripts/doctor.py data=<task_name> model=transformer trainer=<binary|multiclass|regression> metrics=default

常见修复

如果某列缺失，修 configs/data/<task_name>.yaml，不要改模型代码。
如果 label 是字符串，让预处理流程自动编码。
如果二分类出现超过两个 label，改成 multiclass_classification 或修正 label 定义。
做模型 seed 对比时，默认使用 seed_controls_data_split: false，除非实验明确研究 split 方差。
当方法需要不同 batch 契约时，参考 configs/data/examples/recommender_pairwise_example.yaml 和 configs/data/examples/graph_minibatch_example.yaml。