这里的发帖体验极差，要不想试一下ERNIR绝对不会用这个平台发帖

from paddlehub.dataset.base_nlp_dataset import BaseNLPDataset

class ThuNews(BaseNLPDataset):
    def __init__(self):
        # 数据集存放位置
        self.dataset_dir = "/home/aistudio/data/mydata"
        super(ThuNews, self).__init__(
            base_path=self.dataset_dir,
            train_file="train.tsv",
            dev_file="validation.tsv",
            test_file="test.tsv",
            train_file_with_header=True,
            dev_file_with_header=True,
            test_file_with_header=True,
            # 数据集类别集合
            label_list=['城乡建设', '环境保护' ,'交通运输', '教育文体', '劳动和社会保障', '商贸旅游', '卫生计生'])
dataset = ThuNews()
for e in dataset.get_train_examples()[:3]:
    print("{}\t{}\t{}".format(e.guid, e.text_a, e.label))

只能一部分一部分发了，希望大家见谅。这个机制也好奇怪，居然是新的回复在最上面……

我从来没遇到过。可能跟认证有关吧。没认证的可能过滤的比较严格。

检查出来是出错部分的代码识别为色情…网页又没有缓存，一跳转出去编辑的内容全部没了…无语…

你是说实名认证吗？如果是注册的信息的话我是有填的。

但是我看了下那个要求实名认证，如果只是发贴为什么必须要上传身份证照片呢

报错信息（就是这部分系统说色情）

在项目【PaddleHub实战——使用语义预训练模型ERNIE优化文本分类】https://aistudio.baidu.com/aistudio/projectdetail/185121中将数据集换为自定义数据集时出错

看起来似乎是由于数据集读取时候line[2]不存在导致的，但是由于不太熟悉这个平台的使用，不会单步跟踪进去查看line具体读取的是什么，所以搞不清问题所在。
怀疑是数据集格式问题，但是数据集已经按要求整理为行与行直接用'\n'隔开，列与列之间用'\t'隔开，是否是这里的格式问题？

另外运行了
%debug
得到
> /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddlehub/dataset/base_nlp_dataset.py(98)_read_file()
94 raise Exception(
95 "the predict file: %s has too many columns (should <=2)"
96 % (input_file))
97 examples.append(example)
---> 98 return examples
这里又看起来是因为predict file的问题，但是我在构造函数里面并没有使用predict file。
谢谢看到这里的同学。

应该指的是开发者认证吧。

跟编码有关么？utf-8

编码已经转为UTF-8了

不行就打印数据集的二进制输出，逐个找是什么问题吧。

你好 请问问题解决了吗？

又是一个一年前的问题…