# Méthodes de chargement

Méthodes pour lister et charger des jeux de données :

## Jeux de données[[datasets.load_dataset]]

#### datasets.load_dataset[[datasets.load_dataset]]

```python
datasets.load_dataset(path: str, name: typing.Optional[str] = None, data_dir: typing.Optional[str] = None, data_files: typing.Union[str, collections.abc.Sequence[str], collections.abc.Mapping[str, typing.Union[str, collections.abc.Sequence[str]]], NoneType] = None, split: typing.Union[str, datasets.splits.Split, list[str], list[datasets.splits.Split], NoneType] = None, cache_dir: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, download_config: typing.Optional[datasets.download.download_config.DownloadConfig] = None, download_mode: typing.Union[datasets.download.download_manager.DownloadMode, str, NoneType] = None, verification_mode: typing.Union[datasets.utils.info_utils.VerificationMode, str, NoneType] = None, keep_in_memory: typing.Optional[bool] = None, save_infos: bool = False, revision: typing.Union[datasets.utils.version.Version, str, NoneType] = None, token: typing.Union[bool, str, NoneType] = None, streaming: bool = False, num_proc: typing.Optional[int] = None, storage_options: typing.Optional[dict] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/load.py#L1446)

**Paramètres :**

path (`str`) : Chemin ou nom du jeu de données.  - si `path` est un dépôt de jeu de données sur le hub HF (listez tous les jeux de données disponibles avec `huggingface_hub.list_datasets`) -> chargez le jeu de données depuis les fichiers pris en charge dans le dépôt (csv, json, parquet, etc.) par ex. `'username/dataset_name'`, un dépôt de jeu de données sur le hub HF contenant les fichiers de données.  - si `path` est un répertoire dans un Storage Bucket sur le Hub HF (listez vos buckets avec `huggingface_hub.list_buckets`) -> chargez le jeu de données depuis les fichiers pris en charge dans le répertoire (csv, json, parquet, etc.) par ex. `'buckets/username/bucket_name/my_dataset'`.  - si `path` est un répertoire local -> chargez le jeu de données depuis les fichiers pris en charge dans le répertoire (csv, json, parquet, etc.) par ex. `'./path/to/directory/with/my/csv/data'`.  - si `path` est le nom d’un constructeur de jeu de données et que `data_files` ou `data_dir` est spécifié (les constructeurs disponibles sont "json", "csv", "parquet", "arrow", "text", "xml", "webdataset", "imagefolder", "audiofolder", "videofolder", "meshfolder") -> chargez le jeu de données depuis les fichiers dans `data_files` ou `data_dir` par ex. `'parquet'`.  Utilisez un chemin `hf://` comme `'hf://datasets/username/dataset_name'` pour autoriser uniquement le distant. Utilisez un chemin absolu pour autoriser uniquement le local.

name (`str`, *facultatif*) : Définit le nom de la configuration du jeu de données.

data_dir (`str`, *facultatif*) : Définit le `data_dir` de la configuration du jeu de données. S'il est spécifié pour les constructeurs génériques (csv, text, etc.) ou les jeux de données du Hub et que `data_files` est `None`, le comportement est équivalent à passer `os.path.join(data_dir, **)` en tant que `data_files` pour référencer tous les fichiers d'un répertoire.

data_files (`str` ou `Sequence` ou `Mapping`, *facultatif*) : Chemin(s) vers le(s) fichier(s) de données source.

split (`Split` ou `str`) : La partie des données à charger. Si `None`, renvoie un `dict` contenant toutes les parties (généralement `datasets.Split.TRAIN` et `datasets.Split.TEST`). Si une valeur est fournie, renvoie un seul Dataset. Les parties peuvent être combinées et spécifiées comme dans tensorflow-datasets.

cache_dir (`str`, *facultatif*) : Répertoire de lecture/écriture des données. Par défaut, `"~/.cache/huggingface/datasets"`.

features (`Features`, *facultatif*) : Définit le type de fonctionnalités à utiliser pour ce jeu de données.

download_config ([DownloadConfig](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DownloadConfig), *facultatif*) : Paramètres de configuration de téléchargement spécifiques.

download_mode ([DownloadMode](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DownloadMode) ou `str`, par défaut `REUSE_DATASET_IF_EXISTS`) : Mode de téléchargement/génération.

verification_mode ([VerificationMode](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.VerificationMode) ou `str`, par défaut `BASIC_CHECKS`) : Mode de vérification déterminant les contrôles à exécuter sur les informations du téléchargé/traité (sommes de contrôle/taille/splits/...).

keep_in_memory (`bool`, par défaut `None`) : Indique s'il faut copier le jeu de données en mémoire. Si `None`, le jeu de données ne sera pas copié en mémoire, sauf si cela est explicitement activé en définissant `datasets.config.IN_MEMORY_MAX_SIZE` sur une valeur non nulle. Voir plus de détails dans la section [améliorer les performances](../cache#improve-performance).

revision ([Version](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.Version) ou `str`, *facultatif*) : Version du jeu de données à charger. Comme les jeux de données disposent de leur propre dépôt git sur le Datasets Hub, la version par défaut « main » correspond à leur branche « main ». Vous pouvez spécifier une version différente de la version par défaut « main » en utilisant un SHA de commit ou un tag git du dépôt du jeu de données.

token (`str` ou `bool`, *facultatif*) : Chaîne de caractères ou booléen facultatif à utiliser comme jeton Bearer pour les fichiers distants sur le Datasets Hub. Si `True`, ou non spécifié, le jeton est récupéré depuis `"~/.huggingface"`.

streaming (`bool`, par défaut `False`) : Si défini sur `True`, les fichiers de données ne sont pas téléchargés. Au lieu de cela, les données sont diffusées progressivement lors de l’itération sur le jeu de données. Dans ce cas, un [IterableDataset](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.IterableDataset) ou un [IterableDatasetDict](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.IterableDatasetDict) est retourné à la place. Remarque que la diffusion fonctionne pour les jeux de données utilisant des formats de données qui permettent l’itération, comme txt, csv, jsonl par exemple. Les fichiers Json peuvent être téléchargés en totalité. La diffusion à partir de fichiers zip ou gzip distants est prise en charge, mais d’autres formats compressés comme rar et xz ne le sont pas encore. Le format tgz ne permet pas la diffusion.

num_proc (`int`, *facultatif*, valeur par défaut `None`) : Nombre de processus lors du téléchargement et de la génération du jeu de données localement. Le multiprocessing est désactivé par défaut.

storage_options (`dict`, *facultatif*, valeur par défaut `None`) : **Expérimental**. Paires clé/valeur à transmettre au backend système de fichiers du jeu de données, le cas échéant.

- ****config_kwargs** (arguments supplémentaires) : Arguments nommés à passer à `BuilderConfig` et utilisés dans [DatasetBuilder](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DatasetBuilder).

**Retourne :** [Dataset](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.Dataset) ou [DatasetDict](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.DatasetDict)

- si `split` n'est pas `None` : le jeu de données demandé,
- si `split` est `None`, un [DatasetDict](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.DatasetDict) contenant chaque split.

ou [IterableDataset](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.IterableDataset) ou [IterableDatasetDict](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.IterableDatasetDict) : si `streaming=True`

- si `split` n'est pas `None`, le jeu de données est demandé
- si `split` est `None`, un `~datasets.streaming.IterableDatasetDict` contenant chaque split.

Charger un jeu de données depuis le Hugging Face Hub ou un jeu de données local.

Vous pouvez trouver la liste des jeux de données sur le [Hub](https://huggingface.co/datasets) ou avec `huggingface_hub.list_datasets`.

Un jeu de données est un répertoire qui contient des fichiers de données dans des formats génériques (JSON, CSV, Parquet, etc.) et éventuellement dans une structure générique (Webdataset, ImageFolder, AudioFolder, VideoFolder, MeshFolder, etc.)

En interne, cette fonction effectue les opérations suivantes :

1. Charger un constructeur de jeu de données :

   * Trouvez le format de données le plus courant dans le jeu de données et choisissez son constructeur associé (JSON, CSV, Parquet, Webdataset, ImageFolder, AudioFolder, MeshFolder, etc.)
   * Trouver dans quelle partition (par exemple train/test) va chaque fichier, en fonction des noms de fichiers et de répertoires ou de la configuration YAML
   * Il est également possible de spécifier manuellement `data_files` et le constructeur de jeu de données à utiliser (par exemple, "parquet").

2. Exécuter le constructeur de jeu de données :

   Dans le cas général :

   * Téléchargez les fichiers de données du jeu de données s'ils ne sont pas déjà disponibles localement ou en cache.
   * Traitez et mettez en cache le jeu de données dans des tableaux Arrow typés pour le cache.

     Les tables Arrow sont des tables typées de longueur arbitraire, capables de stocker des objets imbriqués et de se mapper vers des types génériques numpy/pandas/python. Elles peuvent être accédées directement depuis le disque, chargées en RAM ou même diffusées en continu sur le web.

   Dans le cas du streaming :

   * Ne téléchargez ni ne mettez en cache quoi que ce soit. À la place, le jeu de données est chargé de manière paresseuse et sera diffusé en direct lors de l'itération.

3. Retourne un jeu de données construit à partir des parties demandées dans `split` (par défaut : toutes).

Exemple :

Charger un jeu de données depuis le Hugging Face Hub :

```py
>>> from datasets import load_dataset
>>> ds = load_dataset('cornell-movie-review-data/rotten_tomatoes', split='train')

# Load a subset or dataset configuration (here 'sst2')
>>> from datasets import load_dataset
>>> ds = load_dataset('nyu-mll/glue', 'sst2', split='train')

# Manual mapping of data files to splits
>>> data_files = {'train': 'train.csv', 'test': 'test.csv'}
>>> ds = load_dataset('namespace/your_dataset_name', data_files=data_files)

# Manual selection of a directory to load
>>> ds = load_dataset('namespace/your_dataset_name', data_dir='folder_name')
```

Charger un jeu de données depuis un Storage Bucket sur le Hugging Face Hub :

```py
>>> from datasets import load_dataset
>>> ds = load_dataset('buckets/username/bucket_name/rotten_tomatoes', split='train')
```

Charger un jeu de données local :

```py
# Load a CSV file
>>> from datasets import load_dataset
>>> ds = load_dataset('csv', data_files='path/to/local/my_dataset.csv')

# Load a JSON file
>>> from datasets import load_dataset
>>> ds = load_dataset('json', data_files='path/to/local/my_dataset.json')
```

Charger un [IterableDataset](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.IterableDataset) :

```py
>>> from datasets import load_dataset
>>> ds = load_dataset('cornell-movie-review-data/rotten_tomatoes', split='train', streaming=True)
```

Charger un jeu de données d’images avec le constructeur de jeu de données `ImageFolder` :

```py
>>> from datasets import load_dataset
>>> ds = load_dataset('imagefolder', data_dir='/path/to/images', split='train')
```

#### datasets.load_from_disk[[datasets.load_from_disk]]

```python
datasets.load_from_disk(dataset_path: typing.Union[str, bytes, os.PathLike], keep_in_memory: typing.Optional[bool] = None, storage_options: typing.Optional[dict] = None)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/load.py#L1704)

**Paramètres :**

dataset_path (`path-like`) : Path (par ex. `"dataset/train"`) ou URI distante (par ex. `"s3://my-bucket/dataset/train"`) du répertoire [Dataset](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.Dataset) ou [DatasetDict](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.DatasetDict) à partir duquel le dataset/dataset-dict sera chargé.

keep_in_memory (`bool`, par défaut `None`) : Indique s'il faut copier le jeu de données en mémoire. Si `None`, le jeu de données ne sera pas copié en mémoire, sauf si cela est explicitement activé en définissant `datasets.config.IN_MEMORY_MAX_SIZE` sur une valeur non nulle. Voir plus de détails dans la section [améliorer les performances](../cache#improve-performance).

storage_options (`dict`, *facultatif*) : Paires clé/valeur à transmettre au backend système de fichiers, le cas échéant.

**Retourne :** [Dataset](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.Dataset) ou [DatasetDict](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.DatasetDict)

- Si `dataset_path` est le chemin d’un répertoire de jeu de données : le jeu de données demandé.
- Si `dataset_path` est le chemin d’un répertoire de dictionnaire de jeu de données, un [DatasetDict](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.DatasetDict) contenant chaque split.

Charge un jeu de données précédemment enregistré à l’aide de [save_to_disk()](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.Dataset.save_to_disk) depuis un répertoire de jeu de données, ou depuis un système de fichiers à l’aide de toute implémentation de `fsspec.spec.AbstractFileSystem`.

Exemple :

```py
>>> from datasets import load_from_disk
>>> ds = load_from_disk('path/to/dataset/directory')
```

#### datasets.load_dataset_builder[[datasets.load_dataset_builder]]

```python
datasets.load_dataset_builder(path: str, name: typing.Optional[str] = None, data_dir: typing.Optional[str] = None, data_files: typing.Union[str, collections.abc.Sequence[str], collections.abc.Mapping[str, typing.Union[str, collections.abc.Sequence[str]]], NoneType] = None, cache_dir: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, download_config: typing.Optional[datasets.download.download_config.DownloadConfig] = None, download_mode: typing.Union[datasets.download.download_manager.DownloadMode, str, NoneType] = None, revision: typing.Union[datasets.utils.version.Version, str, NoneType] = None, token: typing.Union[bool, str, NoneType] = None, storage_options: typing.Optional[dict] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/load.py#L1187)

**Paramètres :**

path (`str`) : Chemin ou nom du jeu de données.  - si `path` est un dépôt de jeu de données sur le hub HF (listez tous les jeux de données disponibles avec `huggingface_hub.list_datasets`) -> charge le dataset builder depuis les fichiers pris en charge dans le dépôt (csv, json, parquet, etc.) par ex. `'username/dataset_name'`, un dépôt de jeu de données sur le hub HF contenant les fichiers de données.  - si `path` est un répertoire dans un Storage Bucket sur le HF Hub (listez vos buckets avec `huggingface_hub.list_buckets`) -> charge le jeu de données depuis les fichiers pris en charge dans le répertoire (csv, json, parquet, etc.) par ex. `'buckets/username/bucket_name/my_dataset'`.  - si `path` est un répertoire local -> charge le dataset builder depuis les fichiers pris en charge dans le répertoire (csv, json, parquet, etc.) par ex. `'./path/to/directory/with/my/csv/data'`.  - si `path` est le nom d'un dataset builder et que `data_files` ou `data_dir` est spécifié (les builders disponibles sont "json", "csv", "parquet", "arrow", "text", "xml", "webdataset", "imagefolder", "audiofolder", "videofolder", "meshfolder") -> charge le dataset builder depuis les fichiers dans `data_files` ou `data_dir` par ex. `'parquet'`.  Utilisez un chemin `hf://` comme `'hf://datasets/username/dataset_name'` pour autoriser uniquement le distant. Utilisez un chemin absolu pour autoriser uniquement le local.

name (`str`, *facultatif*) : Définit le nom de la configuration du jeu de données.

data_dir (`str`, *facultatif*) : Définit le `data_dir` de la configuration du jeu de données. S'il est spécifié pour les constructeurs génériques (csv, text, etc.) ou les jeux de données du Hub et que `data_files` est `None`, le comportement est équivalent à passer `os.path.join(data_dir, **)` en tant que `data_files` pour référencer tous les fichiers d'un répertoire.

data_files (`str` ou `Sequence` ou `Mapping`, *facultatif*) : Chemin(s) vers le(s) fichier(s) de données source.

cache_dir (`str`, *facultatif*) : Répertoire de lecture/écriture des données. Par défaut, `"~/.cache/huggingface/datasets"`.

features ([Fonctionnalités](/docs/datasets/v5.2.0/fr/package_reference/main_classes#datasets.Features), *facultatif*) : Définit le type de fonctionnalités à utiliser pour ce jeu de données.

download_config ([DownloadConfig](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DownloadConfig), *facultatif*) : Paramètres de configuration de téléchargement spécifiques.

download_mode ([DownloadMode](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DownloadMode) ou `str`, par défaut `REUSE_DATASET_IF_EXISTS`) : Mode de téléchargement/génération.

revision ([Version](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.Version) ou `str`, *facultatif*) : Version du jeu de données à charger. Comme les jeux de données disposent de leur propre dépôt git sur le Datasets Hub, la version par défaut « main » correspond à leur branche « main ». Vous pouvez spécifier une version différente de la version par défaut « main » en utilisant un SHA de commit ou un tag git du dépôt du jeu de données.

token (`str` ou `bool`, *facultatif*) : Chaîne de caractères ou booléen facultatif à utiliser comme jeton Bearer pour les fichiers distants sur le Datasets Hub. Si `True`, ou non spécifié, le jeton est récupéré depuis `"~/.huggingface"`.

storage_options (`dict`, *facultatif*, valeur par défaut `None`) : **Expérimental**. Paires clé/valeur à transmettre au backend système de fichiers du jeu de données, le cas échéant.

- ****config_kwargs** (arguments supplémentaires) : Arguments nommés à passer au [BuilderConfig](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.BuilderConfig) et utilisés dans le [DatasetBuilder](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DatasetBuilder).

**Retourne :**

[DatasetBuilder](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DatasetBuilder)

Charger un constructeur de jeu de données qui peut être utilisé pour :

- Inspecter les informations générales nécessaires pour construire un jeu de données (répertoire de cache, configuration, informations sur le jeu de données, fonctionnalités, fichiers de données, etc.)
- Télécharger et préparer le jeu de données sous forme de fichiers Arrow dans le cache
- Obtenir un jeu de données en flux sans rien télécharger ni mettre en cache

Vous pouvez trouver la liste des jeux de données sur le [Hub](https://huggingface.co/datasets) ou avec `huggingface_hub.list_datasets`.

Un jeu de données est un répertoire qui contient des fichiers de données dans des formats génériques (JSON, CSV, Parquet, etc.) et éventuellement dans une structure générique (Webdataset, ImageFolder, AudioFolder, VideoFolder, MeshFolder, etc.)

Exemple :

```py
>>> from datasets import load_dataset_builder
>>> ds_builder = load_dataset_builder('cornell-movie-review-data/rotten_tomatoes')
>>> ds_builder.info.features
{'label': ClassLabel(names=['neg', 'pos']),
 'text': Value('string')}
```

#### datasets.get_dataset_config_names[[datasets.get_dataset_config_names]]

```python
datasets.get_dataset_config_names(path: str, revision: typing.Union[datasets.utils.version.Version, str, NoneType] = None, download_config: typing.Optional[datasets.download.download_config.DownloadConfig] = None, download_mode: typing.Union[datasets.download.download_manager.DownloadMode, str, NoneType] = None, data_files: typing.Union[str, list, dict, NoneType] = None, **download_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/inspect.py#L109)

**Paramètres :**

path (`str`) : chemin vers le dépôt de jeu de données. Peut être : - un chemin local vers le répertoire du jeu de données contenant les fichiers de données, par exemple `'./dataset/squad'` - un identifiant de jeu de données sur le Hugging Face Hub (liste tous les jeux de données et identifiants disponibles avec `huggingface_hub.list_datasets`), par exemple `'rajpurkar/squad'`, `'nyu-mll/glue'` ou``'openai/webtext'`

revision (`Union[str, datasets.Version]`, *facultatif*) : Si spécifié, le module de jeu de données sera chargé depuis le dépôt datasets à cette version. Par défaut : - il est défini sur la version locale de la bibliothèque. - il tentera également de le charger depuis la branche principale s'il n'est pas disponible à la version locale de la bibliothèque. Spécifier une version différente de votre version locale de la bibliothèque peut entraîner des problèmes de compatibilité.

download_config ([DownloadConfig](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DownloadConfig), *facultatif*) : Paramètres de configuration de téléchargement spécifiques.

download_mode ([DownloadMode](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DownloadMode) ou `str`, par défaut `REUSE_DATASET_IF_EXISTS`) : Mode de téléchargement/génération.

data_files (`Union[Dict, List, str]`, *facultatif*) : Définit les data_files de la configuration du jeu de données.

- ****download_kwargs** (arguments de mot-clé supplémentaires) : Attributs facultatifs pour [DownloadConfig](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DownloadConfig) qui remplacent les attributs de `download_config` s'ils sont fournis, par exemple `token`.

Obtenez la liste des noms de configuration disponibles pour un jeu de données particulier.

Exemple :

```py
>>> from datasets import get_dataset_config_names
>>> get_dataset_config_names("nyu-mll/glue")
['cola',
 'sst2',
 'mrpc',
 'qqp',
 'stsb',
 'mnli',
 'mnli_mismatched',
 'mnli_matched',
 'qnli',
 'rte',
 'wnli',
 'ax']
```

#### datasets.get_dataset_infos[[datasets.get_dataset_infos]]

```python
datasets.get_dataset_infos(path: str, data_files: typing.Union[str, list, dict, NoneType] = None, download_config: typing.Optional[datasets.download.download_config.DownloadConfig] = None, download_mode: typing.Union[datasets.download.download_manager.DownloadMode, str, NoneType] = None, revision: typing.Union[datasets.utils.version.Version, str, NoneType] = None, token: typing.Union[bool, str, NoneType] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/inspect.py#L42)

**Paramètres :**

path (`str`) : chemin vers le dépôt de jeu de données. Peut être : - un chemin local vers le répertoire du jeu de données contenant les fichiers de données, par exemple `'./dataset/squad'` - un identifiant de jeu de données sur le Hugging Face Hub (liste tous les jeux de données et identifiants disponibles avec `huggingface_hub.list_datasets`), par exemple `'rajpurkar/squad'`, `'nyu-mll/glue'` ou``'openai/webtext'`

revision (`Union[str, datasets.Version]`, *facultatif*) : Si spécifié, le module de jeu de données sera chargé depuis le dépôt datasets à cette version. Par défaut : - il est défini sur la version locale de la bibliothèque. - il tentera également de le charger depuis la branche principale s'il n'est pas disponible à la version locale de la bibliothèque. Spécifier une version différente de votre version locale de la bibliothèque peut entraîner des problèmes de compatibilité.

download_config ([DownloadConfig](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DownloadConfig), *facultatif*) : Paramètres de configuration de téléchargement spécifiques.

download_mode ([DownloadMode](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DownloadMode) ou `str`, par défaut `REUSE_DATASET_IF_EXISTS`) : Mode de téléchargement/génération.

data_files (`Union[Dict, List, str]`, *facultatif*) : Définit les data_files de la configuration du jeu de données.

token (`str` ou `bool`, *facultatif*) : Chaîne de caractères ou booléen facultatif à utiliser comme jeton Bearer pour les fichiers distants sur le Datasets Hub. Si `True`, ou non spécifié, le jeton est récupéré depuis `"~/.huggingface"`.

- ****config_kwargs** (arguments de mot-clé supplémentaires) : Attributs facultatifs pour la classe de construction qui remplacent les attributs existants s’ils sont fournis.

Obtenir les métadonnées d'un jeu de données, renvoyées sous forme d'un dictionnaire associant le nom de la configuration à un DatasetInfoDict.

Exemple :

```py
>>> from datasets import get_dataset_infos
>>> get_dataset_infos('cornell-movie-review-data/rotten_tomatoes')
{'default': DatasetInfo(description="Movie Review Dataset.
 is a dataset of containing 5,331 positive and 5,331 negative processed
ences from Rotten Tomatoes movie reviews...), ...}
```

#### datasets.get_dataset_split_names[[datasets.get_dataset_split_names]]

```python
datasets.get_dataset_split_names(path: str, config_name: typing.Optional[str] = None, data_files: typing.Union[str, collections.abc.Sequence[str], collections.abc.Mapping[str, typing.Union[str, collections.abc.Sequence[str]]], NoneType] = None, download_config: typing.Optional[datasets.download.download_config.DownloadConfig] = None, download_mode: typing.Union[datasets.download.download_manager.DownloadMode, str, NoneType] = None, revision: typing.Union[datasets.utils.version.Version, str, NoneType] = None, token: typing.Union[bool, str, NoneType] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/inspect.py#L295)

**Paramètres :**

path (`str`) : chemin vers le dépôt de jeu de données. Peut être : - un chemin local vers le répertoire du jeu de données contenant les fichiers de données, par exemple `'./dataset/squad'` - un identifiant de jeu de données sur le Hugging Face Hub (liste tous les jeux de données et identifiants disponibles avec `huggingface_hub.list_datasets`), par exemple `'rajpurkar/squad'`, `'nyu-mll/glue'` ou``'openai/webtext'`

config_name (`str`, *facultatif*) : Définit le nom de la configuration du jeu de données.

data_files (`str` ou `Sequence` ou `Mapping`, *facultatif*) : Chemin(s) vers le(s) fichier(s) de données source.

download_config ([DownloadConfig](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DownloadConfig), *facultatif*) : Paramètres de configuration de téléchargement spécifiques.

download_mode ([DownloadMode](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.DownloadMode) ou `str`, par défaut `REUSE_DATASET_IF_EXISTS`) : Mode de téléchargement/génération.

revision ([Version](/docs/datasets/v5.2.0/fr/package_reference/builder_classes#datasets.Version) ou `str`, *facultatif*) : Version du jeu de données à charger. Comme les jeux de données disposent de leur propre dépôt git sur le Datasets Hub, la version par défaut « main » correspond à leur branche « main ». Vous pouvez spécifier une version différente de la version par défaut « main » en utilisant un SHA de commit ou un tag git du dépôt du jeu de données.

token (`str` ou `bool`, *facultatif*) : Chaîne de caractères ou booléen facultatif à utiliser comme jeton Bearer pour les fichiers distants sur le Datasets Hub. Si `True`, ou non spécifié, le jeton est récupéré depuis `"~/.huggingface"`.

- ****config_kwargs** (arguments de mot-clé supplémentaires) : Attributs facultatifs pour la classe de construction qui remplacent les attributs existants s’ils sont fournis.

Obtenez la liste des splits disponibles pour une configuration et un jeu de données particuliers.

Exemple :

```py
>>> from datasets import get_dataset_split_names
>>> get_dataset_split_names('cornell-movie-review-data/rotten_tomatoes')
['train', 'validation', 'test']
```

## Depuis des fichiers

Configurations utilisées pour charger les fichiers de données. Elles sont utilisées lors du chargement de fichiers locaux ou d’un dépôt de jeu de données :

- fichiers locaux : `load_dataset("parquet", data_dir="path/to/data/dir")`
- dépôt de jeu de données : `load_dataset("allenai/c4")`

Vous pouvez passer des arguments à `load_dataset` pour configurer le chargement des données. Par exemple, vous pouvez spécifier le paramètre `sep` pour définir la [CsvConfig](/docs/datasets/v5.2.0/fr/package_reference/loading_methods#datasets.packaged_modules.csv.CsvConfig) utilisée pour charger les données :

```python
load_dataset("csv", data_dir="path/to/data/dir", sep="\t")
```

### Texte[[datasets.packaged_modules.text.TextConfig]]

#### datasets.packaged_modules.text.TextConfig[[datasets.packaged_modules.text.TextConfig]]

```python
datasets.packaged_modules.text.TextConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, encoding: str = 'utf-8', encoding_errors: typing.Optional[str] = None, chunksize: int = 10485760, keep_linebreaks: bool = False, sample_by: typing.Literal['line', 'paragraph', 'document'] = 'line')
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/text/text.py#L17)

**Paramètres :**

features : (`Features`, *facultatif*) : Convertit les données en `features`.

encoding : (`str`, par défaut "utf-8") : Encodage à utiliser pour décoder le fichier.

encoding_errors : (`str`, *facultatif*) : Argument permettant de définir la conduite à tenir en cas d'erreur d'encodage. Il est identique à l'argument `error` de `open()`.

chunksize : (`Features`, *facultatif*, valeur par défaut "10MB") : Taille des blocs pour la lecture des données.

keep_linebreaks : (`bool`, défaut à False) : Indique s'il faut conserver les retours à la ligne.

sample_by (`Literal["line", "paragraph", "document"]`, par défaut "line") : Indique si les données doivent être chargées ligne par ligne, paragraphe par paragraphe ou document par document. Par défaut, une ligne du jeu de données correspond à une ligne.

BuilderConfig pour les fichiers texte.

#### datasets.packaged_modules.text.Text[[datasets.packaged_modules.text.Text]]

```python
datasets.packaged_modules.text.Text(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/text/text.py#L45)

### CSV[[datasets.packaged_modules.csv.CsvConfig]]

#### datasets.packaged_modules.csv.CsvConfig[[datasets.packaged_modules.csv.CsvConfig]]

```python
datasets.packaged_modules.csv.CsvConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, sep: str = ',', delimiter: typing.Optional[str] = None, header: typing.Union[int, list[int], str, NoneType] = 'infer', names: typing.Optional[list[str]] = None, column_names: typing.Optional[list[str]] = None, index_col: typing.Union[int, str, list[int], list[str], NoneType] = None, usecols: typing.Union[list[int], list[str], NoneType] = None, prefix: typing.Optional[str] = None, mangle_dupe_cols: bool = True, engine: typing.Optional[typing.Literal['c', 'python', 'pyarrow']] = None, converters: dict = None, true_values: typing.Optional[list] = None, false_values: typing.Optional[list] = None, skipinitialspace: bool = False, skiprows: typing.Union[int, list[int], NoneType] = None, nrows: typing.Optional[int] = None, na_values: typing.Union[str, list[str], NoneType] = None, keep_default_na: bool = True, na_filter: bool = True, verbose: bool = False, skip_blank_lines: bool = True, thousands: typing.Optional[str] = None, decimal: str = '.', lineterminator: typing.Optional[str] = None, quotechar: str = '"', quoting: int = 0, escapechar: typing.Optional[str] = None, comment: typing.Optional[str] = None, encoding: typing.Optional[str] = None, dialect: typing.Optional[str] = None, error_bad_lines: bool = True, warn_bad_lines: bool = True, skipfooter: int = 0, doublequote: bool = True, memory_map: bool = False, float_precision: typing.Optional[str] = None, chunksize: int = 10000, features: typing.Optional[datasets.features.features.Features] = None, encoding_errors: typing.Optional[str] = 'strict', on_bad_lines: typing.Literal['error', 'warn', 'skip'] = 'error', date_format: typing.Optional[str] = None)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/csv/csv.py#L25)

BuilderConfig pour CSV.

#### datasets.packaged_modules.csv.Csv[[datasets.packaged_modules.csv.Csv]]

```python
datasets.packaged_modules.csv.Csv(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/csv/csv.py#L145)

### JSON[[datasets.packaged_modules.json.JsonConfig]]

#### datasets.packaged_modules.json.JsonConfig[[datasets.packaged_modules.json.JsonConfig]]

```python
datasets.packaged_modules.json.JsonConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, encoding: str = 'utf-8', encoding_errors: typing.Optional[str] = None, field: typing.Optional[str] = None, use_threads: bool = True, block_size: typing.Optional[int] = None, chunksize: int = 10485760, newlines_in_values: typing.Optional[bool] = None, on_mixed_types: typing.Optional[typing.Literal['use_json']] = 'use_json', parse_agent_traces: bool = True)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/json/json.py#L46)

BuilderConfig pour JSON.

#### datasets.Json[[datasets.Json]]

```python
datasets.Json(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/json/json.py#L64)

### XML[[datasets.packaged_modules.xml.XmlConfig]]

#### datasets.packaged_modules.xml.XmlConfig[[datasets.packaged_modules.xml.XmlConfig]]

```python
datasets.packaged_modules.xml.XmlConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, encoding: str = 'utf-8', encoding_errors: typing.Optional[str] = None)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/xml/xml.py#L15)

BuilderConfig pour les fichiers xml.

#### datasets.packaged_modules.xml.Xml[[datasets.packaged_modules.xml.Xml]]

```python
datasets.packaged_modules.xml.Xml(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/xml/xml.py#L23)

### Parquet[[datasets.packaged_modules.parquet.ParquetConfig]]

#### datasets.packaged_modules.parquet.ParquetConfig[[datasets.packaged_modules.parquet.ParquetConfig]]

```python
datasets.packaged_modules.parquet.ParquetConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, batch_size: typing.Optional[int] = None, columns: typing.Optional[list[str]] = None, features: typing.Optional[datasets.features.features.Features] = None, filters: typing.Union[pyarrow._compute.Expression, list[tuple], list[list[tuple]], NoneType] = None, fragment_scan_options: typing.Optional[pyarrow._dataset_parquet.ParquetFragmentScanOptions] = None, on_bad_files: typing.Literal['error', 'warn', 'skip'] = 'error')
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/parquet/parquet.py#L20)

**Paramètres :**

batch_size (`int`, *facultatif*) : Taille des RecordBatches sur lesquels itérer. La valeur par défaut est la taille du groupe de lignes (définie par le premier groupe de lignes).

columns (`list[str]`, *facultatif*) : Liste des colonnes à charger, les autres sont ignorées. Par défaut, toutes les colonnes sont chargées.

features : (`Features`, *facultatif*) : Convertit les données en `features`.

filters (`Union[pyarrow.dataset.Expression, list[tuple], list[list[tuple]]]`, *facultatif*) : Ne renvoyer que les lignes correspondant au filtre. Si possible, le prédicat est poussé vers le bas afin d’exploiter les informations de partition ou les métadonnées internes présentes dans la source de données, par exemple les statistiques Parquet. Sinon, les RecordBatches chargés sont filtrés avant d’être rendus.

fragment_scan_options (`pyarrow.dataset.ParquetFragmentScanOptions`, *facultatif*) : Options spécifiques à la lecture des fragments Parquet. Cela est particulièrement utile pour configurer le tampon et la mise en cache.

on_bad_files (`Literal["error", "warn", "skip"]`, *facultatif*, valeur par défaut "error") : spécifie la conduite à tenir lors de la rencontre d'un fichier défectueux (un fichier illisible). Les valeurs autorisées sont : * 'error', lève une Exception lorsqu'un fichier défectueux est rencontré. * 'warn', lève un avertissement lorsqu'un fichier défectueux est rencontré et ignore ce fichier. * 'skip', ignore les fichiers défectueux sans lever d'exception ni d'avertissement lorsqu'ils sont rencontrés.

BuilderConfig pour Parquet.

Exemple :

Charger un sous-ensemble de colonnes :

```python
>>> ds = load_dataset(parquet_dataset_id, columns=["col_0", "col_1"])
```

Diffuser des données et filtrer efficacement les données, en sautant éventuellement des fichiers ou des groupes de lignes entiers :

```python
>>> filters = [("col_0", "==", 0)]
>>> ds = load_dataset(parquet_dataset_id, streaming=True, filters=filters)
```

Augmenter la taille minimale des requêtes lors du streaming de 32MiB (par défaut) à 128MiB et activer le préchargement :

```python
>>> import pyarrow
>>> import pyarrow.dataset
>>> fragment_scan_options = pyarrow.dataset.ParquetFragmentScanOptions(
...     cache_options=pyarrow.CacheOptions(
...         prefetch_limit=1,
...         range_size_limit=128 << 20
...     ),
... )
>>> ds = load_dataset(parquet_dataset_id, streaming=True, fragment_scan_options=fragment_scan_options)
```

#### datasets.packaged_modules.parquet.Parquet[[datasets.packaged_modules.parquet.Parquet]]

```python
datasets.packaged_modules.parquet.Parquet(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/parquet/parquet.py#L93)

### Arrow[[datasets.packaged_modules.arrow.ArrowConfig]]

#### datasets.packaged_modules.arrow.ArrowConfig[[datasets.packaged_modules.arrow.ArrowConfig]]

```python
datasets.packaged_modules.arrow.ArrowConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/arrow/arrow.py#L15)

BuilderConfig pour Arrow.

#### datasets.packaged_modules.arrow.Arrow[[datasets.packaged_modules.arrow.Arrow]]

```python
datasets.packaged_modules.arrow.Arrow(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/arrow/arrow.py#L24)

### Vortex[[datasets.packaged_modules.vortex.VortexConfig]]

#### datasets.packaged_modules.vortex.VortexConfig[[datasets.packaged_modules.vortex.VortexConfig]]

```python
datasets.packaged_modules.vortex.VortexConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, batch_size: typing.Optional[int] = None, columns: typing.Optional[list[str]] = None, features: typing.Optional[datasets.features.features.Features] = None, filters: typing.Union[ForwardRef('vortex.expr.Expr'), list[tuple], list[list[tuple]], NoneType] = None, on_bad_files: typing.Literal['error', 'warn', 'skip'] = 'error')
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/vortex/vortex.py#L54)

**Paramètres :**

batch_size (`int`, *facultatif*) : Taille des RecordBatches sur lesquels itérer. La valeur par défaut est définie par le scanner Vortex.

columns (`list[str]`, *facultatif*) : Liste des colonnes à charger, les autres sont ignorées. Par défaut, toutes les colonnes sont chargées.

features : (`Features`, *facultatif*) : Convertit les données en `features`.

filters (`Union[vortex.expr.Expr, list[tuple], list[list[tuple]]]`, *facultatif*) : Ne renvoie que les lignes correspondant au filtre. Le prédicat est poussé vers le balayage Vortex afin que seules les lignes correspondantes soient lues. Les filtres fournis sous forme de liste de tuples (DNF, comme l’accepte le chargeur Parquet) sont convertis en expression Vortex. Les valeurs nulles suivent la sémantique SQL : une valeur nulle ne satisfait aucune comparaison, donc une ligne dont la colonne filtrée est nulle n’est jamais renvoyée. Notez que `not in` exclut donc les valeurs nulles, alors que le chargeur Parquet les conserve car il construit `~field.isin(values)` et qu’une valeur nulle n’appartient pas à l’ensemble.

on_bad_files (`Literal["error", "warn", "skip"]`, *facultatif*, valeur par défaut "error") : spécifie la conduite à tenir lors de la rencontre d'un fichier défectueux (un fichier illisible). Les valeurs autorisées sont : * 'error', lève une Exception lorsqu'un fichier défectueux est rencontré. * 'warn', lève un avertissement lorsqu'un fichier défectueux est rencontré et ignore ce fichier. * 'skip', ignore les fichiers défectueux sans lever d'exception ni d'avertissement lorsqu'ils sont rencontrés.

BuilderConfig pour Vortex.

Exemple :

Charger un sous-ensemble de colonnes :

```python
>>> ds = load_dataset(vortex_dataset_id, columns=["col_0", "col_1"])
```

Stream des données et filtrez-les efficacement, en ignorant des fichiers ou des blocs entiers lorsque c’est possible :

```python
>>> filters = [("col_0", "==", 0)]
>>> ds = load_dataset(vortex_dataset_id, streaming=True, filters=filters)
```

#### datasets.packaged_modules.vortex.Vortex[[datasets.packaged_modules.vortex.Vortex]]

```python
datasets.packaged_modules.vortex.Vortex(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/vortex/vortex.py#L226)

### SQL[[datasets.packaged_modules.sql.SqlConfig]]

#### datasets.packaged_modules.sql.SqlConfig[[datasets.packaged_modules.sql.SqlConfig]]

```python
datasets.packaged_modules.sql.SqlConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, sql: typing.Union[str, ForwardRef('sqlalchemy.sql.Selectable')] = None, con: typing.Union[str, ForwardRef('sqlalchemy.engine.Connection'), ForwardRef('sqlalchemy.engine.Engine'), ForwardRef('sqlite3.Connection')] = None, index_col: typing.Union[str, list[str], NoneType] = None, coerce_float: bool = True, params: typing.Union[list, tuple, dict, NoneType] = None, parse_dates: typing.Union[list, dict, NoneType] = None, columns: typing.Optional[list[str]] = None, chunksize: typing.Optional[int] = 10000, features: typing.Optional[datasets.features.features.Features] = None)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/sql/sql.py#L25)

BuilderConfig pour SQL.

#### datasets.packaged_modules.sql.Sql[[datasets.packaged_modules.sql.Sql]]

```python
datasets.packaged_modules.sql.Sql(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/sql/sql.py#L92)

### Images[[datasets.packaged_modules.imagefolder.ImageFolderConfig]]

#### datasets.packaged_modules.imagefolder.ImageFolderConfig[[datasets.packaged_modules.imagefolder.ImageFolderConfig]]

```python
datasets.packaged_modules.imagefolder.ImageFolderConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, drop_labels: bool = None, drop_metadata: bool = None, metadata_filenames: list = None, filters: typing.Union[pyarrow._compute.Expression, list[tuple], list[list[tuple]], NoneType] = None, decode_num_threads: int = 32)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/imagefolder/imagefolder.py#L9)

BuilderConfig pour ImageFolder.

#### datasets.packaged_modules.imagefolder.ImageFolder[[datasets.packaged_modules.imagefolder.ImageFolder]]

```python
datasets.packaged_modules.imagefolder.ImageFolder(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/imagefolder/imagefolder.py#L19)

### Audio[[datasets.packaged_modules.audiofolder.AudioFolderConfig]]

#### datasets.packaged_modules.audiofolder.AudioFolderConfig[[datasets.packaged_modules.audiofolder.AudioFolderConfig]]

```python
datasets.packaged_modules.audiofolder.AudioFolderConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, drop_labels: bool = None, drop_metadata: bool = None, metadata_filenames: list = None, filters: typing.Union[pyarrow._compute.Expression, list[tuple], list[list[tuple]], NoneType] = None, decode_num_threads: int = 32)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/audiofolder/audiofolder.py#L9)

Configuration du constructeur pour AudioFolder.

#### datasets.packaged_modules.audiofolder.AudioFolder[[datasets.packaged_modules.audiofolder.AudioFolder]]

```python
datasets.packaged_modules.audiofolder.AudioFolder(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/audiofolder/audiofolder.py#L19)

### Vidéos[[datasets.packaged_modules.videofolder.VideoFolderConfig]]

#### datasets.packaged_modules.videofolder.VideoFolderConfig[[datasets.packaged_modules.videofolder.VideoFolderConfig]]

```python
datasets.packaged_modules.videofolder.VideoFolderConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, drop_labels: bool = None, drop_metadata: bool = None, metadata_filenames: list = None, filters: typing.Union[pyarrow._compute.Expression, list[tuple], list[list[tuple]], NoneType] = None, decode_num_threads: int = 32)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/videofolder/videofolder.py#L9)

BuilderConfig pour ImageFolder.

#### datasets.packaged_modules.videofolder.VideoFolder[[datasets.packaged_modules.videofolder.VideoFolder]]

```python
datasets.packaged_modules.videofolder.VideoFolder(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/videofolder/videofolder.py#L19)

### HDF5[[datasets.packaged_modules.hdf5.HDF5Config]]

#### datasets.packaged_modules.hdf5.HDF5Config[[datasets.packaged_modules.hdf5.HDF5Config]]

```python
datasets.packaged_modules.hdf5.HDF5Config(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, batch_size: typing.Optional[int] = None, features: typing.Optional[datasets.features.features.Features] = None)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/hdf5/hdf5.py#L33)

BuilderConfig pour HDF5.

#### datasets.packaged_modules.hdf5.HDF5[[datasets.packaged_modules.hdf5.HDF5]]

```python
datasets.packaged_modules.hdf5.HDF5(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/hdf5/hdf5.py#L40)

ArrowBasedBuilder qui convertit les fichiers HDF5 en tables Arrow à l'aide des types d'extension HF.

### TsFile[[datasets.packaged_modules.tsfile.TsFileConfig]]

#### datasets.packaged_modules.tsfile.TsFileConfig[[datasets.packaged_modules.tsfile.TsFileConfig]]

```python
datasets.packaged_modules.tsfile.TsFileConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, table_name: Optional[str] = None, columns: Optional[list[str]] = None, start_time: Optional[Any] = None, end_time: Optional[Any] = None, input_batch_size: int = 65536, output_batch_size: int = 32, features: Optional[datasets.Features] = None, on_bad_files: Literal['error', 'warn', 'skip'] = 'error', timestamp_unit: Literal['s', 'ms', 'us', 'ns'] = 'ms', timestamp_tz: Optional[str] = None)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/tsfile/tsfile.py#L143)

**Paramètres :**

table_name (*str*, *facultatif*) : Nom du tableau à lire. Si non défini, le premier tableau trouvé dans le premier fichier valide est utilisé. Les recherches sont insensibles à la casse.

columns (*list[str]*, *facultatif*) : Sous-ensemble des colonnes FIELD à conserver. Les colonnes TAG et la colonne TIME sont *toujours* retournées (elles identifient l’appareil / sa chronologie et ne peuvent pas être exclues). Les noms qui font référence à des colonnes TAG ou TIME, ou à des champs absents de tous les fichiers, sont résolus silencieusement : les TAG/TIME sont émis comme d’habitude, et les champs jamais vus deviennent des colonnes de listes entièrement nulles. Si non défini, tous les FIELD sont retournés.

start_time, end_time (*datetime*, *date*, *pa.TimestampScalar*, *str* ISO-8601 ou *int*, *facultatif*) : Plage de timestamps inclusive. L'une des bornes peut être omise. Les valeurs `datetime` sont interprétées dans leur propre fuseau horaire (UTC si naïf) ; `int` est interprété comme une époque brute en `timestamp_unit`.

input_batch_size (*int*, *facultatif*, valeur par défaut 65_536) : Nombre maximal de lignes récupérées par lot Arrow depuis `TsFileReader.query_table`. Permet de contrôler la mémoire maximale utilisée lors du streaming d'un seul appareil.

output_batch_size (*int*, *optionnel*, valeur par défaut 32) : Nombre de dispositifs (lignes du jeu de données de sortie) regroupés dans chaque lot d'enregistrements Arrow transmis à l'écriture. C'est également la granularité à laquelle la barre de progression du jeu de données avance ; des valeurs plus petites offrent un retour plus réactif lors de lectures lentes par dispositif, tandis que des valeurs plus grandes réduisent la surcharge par lot.

features (*Fonctionnalités*, *facultatif*) : Schéma final des fonctionnalités. S'il est fourni, l'analyse des métadonnées sur les fichiers d'entrée est ignorée.

on_bad_files (*Literal["error", "warn", "skip"]*, *facultatif*, valeur par défaut "error") : Action à entreprendre si un fichier ne peut pas être ouvert ou s'il ne contient pas le tableau demandé.

timestamp_unit (*Literal["s", "ms", "us", "ns"]*, *facultatif*, valeur par défaut "ms") : Unité de temps pour la colonne horodatée. IoTDB utilise des millisecondes par défaut.

timestamp_tz (*str*, *facultatif*) : Fuseau horaire de la colonne horodatée. `None` signifie sans fuseau horaire.

BuilderConfig pour TsFile (modèle de table) — format large par appareil.

#### datasets.packaged_modules.tsfile.TsFile[[datasets.packaged_modules.tsfile.TsFile]]

```python
datasets.packaged_modules.tsfile.TsFile(*args, **kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/tsfile/tsfile.py#L233)

Constructeur au format large par appareil pour TsFile (modèle de table).

### Pdf[[datasets.packaged_modules.pdffolder.PdfFolderConfig]]

#### datasets.packaged_modules.pdffolder.PdfFolderConfig[[datasets.packaged_modules.pdffolder.PdfFolderConfig]]

```python
datasets.packaged_modules.pdffolder.PdfFolderConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, drop_labels: bool = None, drop_metadata: bool = None, metadata_filenames: list = None, filters: typing.Union[pyarrow._compute.Expression, list[tuple], list[list[tuple]], NoneType] = None, decode_num_threads: int = 32)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/pdffolder/pdffolder.py#L9)

BuilderConfig pour ImageFolder.

#### datasets.packaged_modules.pdffolder.PdfFolder[[datasets.packaged_modules.pdffolder.PdfFolder]]

```python
datasets.packaged_modules.pdffolder.PdfFolder(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/pdffolder/pdffolder.py#L19)

### Nifti[[datasets.packaged_modules.niftifolder.NiftiFolderConfig]]

#### datasets.packaged_modules.niftifolder.NiftiFolderConfig[[datasets.packaged_modules.niftifolder.NiftiFolderConfig]]

```python
datasets.packaged_modules.niftifolder.NiftiFolderConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, drop_labels: bool = None, drop_metadata: bool = None, metadata_filenames: list = None, filters: typing.Union[pyarrow._compute.Expression, list[tuple], list[list[tuple]], NoneType] = None, decode_num_threads: int = 32)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/niftifolder/niftifolder.py#L9)

BuilderConfig pour NiftiFolder.

#### datasets.packaged_modules.niftifolder.NiftiFolder[[datasets.packaged_modules.niftifolder.NiftiFolder]]

```python
datasets.packaged_modules.niftifolder.NiftiFolder(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/niftifolder/niftifolder.py#L20)

### WebDataset[[datasets.packaged_modules.webdataset.WebDataset]]

#### datasets.packaged_modules.webdataset.WebDataset[[datasets.packaged_modules.webdataset.WebDataset]]

```python
datasets.packaged_modules.webdataset.WebDataset(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/webdataset/webdataset.py#L20)

### Harbor[[datasets.packaged_modules.harbor.HarborConfig]]

#### datasets.packaged_modules.harbor.HarborConfig[[datasets.packaged_modules.harbor.HarborConfig]]

```python
datasets.packaged_modules.harbor.HarborConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, strip_canary: bool = True, include_files: bool = True)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/harbor/harbor.py#L95)

**Paramètres :**

features (`Features`, *facultatif*) : Définit les fonctionnalités utilisées pour convertir les lignes générées. Par défaut, les fonctionnalités d'une tâche Harbor sont utilisées (voir `Harbor`).

strip_canary (`bool`, *facultatif*, valeur par défaut `True`) : Supprime les lignes de commentaire « benchmark data canary » en tête de `instruction.md` et des instructions des étapes, comme le fait Harbor lorsqu’il les envoie à un agent.

include_files (`bool`, *facultatif*, par défaut `True`) : Liste tous les fichiers de chaque tâche (`environment/`, `tests/`, `solution/`...) dans la colonne `files`. Définissez-le sur `False` pour ignorer l'énumération des répertoires de tâches, ce qui est plus rapide lorsque le jeu de données se trouve sur un système de fichiers distant.

BuilderConfig pour les dépôts de tâches Harbor.

#### datasets.packaged_modules.harbor.Harbor[[datasets.packaged_modules.harbor.Harbor]]

```python
datasets.packaged_modules.harbor.Harbor(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Source](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/harbor/harbor.py#L116)

Constructeur pour les dépôts de tâches Harbor : une ligne par répertoire de tâche.

Il génère les fonctionnalités suivantes :

- **name** (`str`) -- nom de la tâche, sous la forme `org/name` dans `[task].name` de `task.toml`, ou le nom du répertoire de la tâche lorsque `task.toml` ne contient pas de section `[task]`.
- **description** (`str`) -- `[task].description` de `task.toml`.
- **instruction** (`str`) -- contenu de `instruction.md`.
- **mots-clés** (`list` de `str`) -- `[task].keywords` de `task.toml`.
- **schema_version** (`str`) -- `schema_version` déclaré par `task.toml`.
- **config** (`dict`) -- l'ensemble de `task.toml`, en tant qu'objet JSON.
- **metadata** (`dict`) -- la section libre `[metadata]` de `task.toml`.
- **fichiers** (`list` de `str`) -- tous les fichiers de la tâche, relatifs au répertoire de la tâche.
- **location** (`str`) -- chemin du répertoire de la tâche, relatif à la racine du jeu de données.