使用datasets包加载本地数据集时出现Protocol not known ValueError

• 确认当前工作目录是否匹配
  在加载数据集前先执行以下代码，查看Notebook当前的工作路径：

  import os
  print(os.getcwd())
  

  对比该路径和split_pasta_dataset文件夹的实际存储路径，若不一致，必须使用绝对路径加载数据集。

• 使用绝对路径加载
  可以手动指定完整绝对路径，或者用os.path.abspath自动生成：

  import os
  from datasets import load_from_disk
  
  # 生成绝对路径
  dataset_abs_path = os.path.abspath("split_pasta_dataset")
  dataset = load_from_disk(dataset_abs_path)
  

  也可直接写死完整路径，比如Linux/macOS下的"/home/your_username/your_project/split_pasta_dataset"，Windows下的"C:\\your_project\\split_pasta_dataset"。

• 检查数据集文件夹结构
  打开split_pasta_dataset文件夹，确认内部包含dataset_info.json文件，以及train、valid、test三个子文件夹，每个子文件夹下有对应的数据集文件。若结构缺失，重新执行保存代码生成数据集。

• 更新datasets库
  旧版本的datasets库可能存在路径解析bug，执行命令更新：

  pip install --upgrade datasets
  

内容的提问来源于stack exchange，提问作者gidimicc