Denozordec
0f359837c5
docker / build (push) Successful in 1m20s
Переразбор всех страниц data/raw: legacy-страницы импорта, форматы префиксов ([*]Перевод (1):, Озвучка:, №2, диапазоны), дорожки только в строках «Аудио» (в т.ч. «(Русский, X)», «| Rus | Звук: …»), «Язык озвучки», несколько студий в одной строке, студия без типа. Кодек-строки: «Аудио #N Русский:», «Аудио pic RUS:», «Звук N:», «Аудиодорожка 01:», кириллические АVO/МVO. «Авторский» без числа голосов -> авт. одноголосый, «двугоголосый». Чистка студий: языки, кодеки, «по заказу», «в составе контейнера», отказы от озвучки. Итог: страниц с метками 30 260 (85.5 %), страниц с дорожкой без меток 1 259 -> 223; data/pages 30 444; после prepare_data 60 944 строки (train 54 686 / test 6 258). Новый tools/coverage_audit.py + reports/coverage_audit.md, docs/dataset-coverage.md. Переобучен models/best (base): на общем тесте type acc 0.976 против 0.949 у прежней, span 0.674 против 0.643; e2e kinozal 0.805/0.867, rt 0.771/0.740, nnm 0.752/0.693.
40 lines
906 B
Plaintext
40 lines
906 B
Plaintext
.venv/
|
|
__pycache__/
|
|
*.pyc
|
|
.ipynb_checkpoints/
|
|
|
|
# обученные модели (большие бинарники)
|
|
models/*
|
|
!models/.gitkeep
|
|
models/best-onnx/
|
|
|
|
# генерируемые артефакты
|
|
data/processed/
|
|
reports/*.png
|
|
|
|
# локальное
|
|
*.log
|
|
.tmp/
|
|
.DS_Store
|
|
|
|
# служебное ZCode
|
|
.zcode/
|
|
|
|
# rust build
|
|
target/
|
|
|
|
# сборщик датасета: сырые страницы (HTML трекеров) и импортированные урезанные страницы
|
|
data/raw/
|
|
|
|
# Docker: модели для образа и архив для CI (большие бинарники)
|
|
models-bundle.tar.gz
|
|
.env
|
|
|
|
# тексты страниц и резервные копии меток: пересобираются из data/raw (меню сборщика) и не хранятся в git
|
|
data/pages/
|
|
data/pages_postonly.txt
|
|
data/labels.bak_*.csv
|
|
data/raw/
|
|
data/.state*
|
|
data/_*
|