文档摘要

第 3 章 数据流水线 本章目标：搞懂文本是怎么变成模型能吃的 张量对的。 3.1 章节地图 数据层干四件事： 3.2 数据从哪来：三级回退策略 数据获取函数实现了一个鲁棒的数据获取链： 核心代码骨架： 工程亮点逐个讲 ① 缓存优先 避免每次训练都打网络，断网也能跑。这是「数据获取」的第一原则：网络是奢侈品，本地是必需品。 ② 优雅降级（graceful degradation） 数据集库缺失时不崩溃，只把标志位置 False。后续 if 分支跳过该路径，直接走直链回退。这叫「可选依赖」处理。 对比反面教材：把 import 写在文件顶部不带 try/except，没装该库的用户一导入就报错，连回退机会都没有。 ③ 字段兜底 数据集不同版本字段名可能是 或 或别的。

---