使用 Multi30k 数据集时如何解决 UnicodeDecodeError？

使用 multi30k 数据集时遇到的 unicodedecodeerror

使用 torchtext 的 multi30k 数据集时，可能会遇到 unicodedecodeerror，提示信息为 "utf-8 codec can't decode byte 0x80 in position 37: invalid start byte"。该问题是由于 multi30k 数据集包含了非 utf-8 编码的字符。

要解决此问题，可以分别加载训练、验证和测试集：

train = datasets.Multi30k(root='.data', split='train', language_pair=('de', 'en'))val = datasets.Multi30k(root='.data', split='valid', language_pair=('de', 'en'))test = datasets.Multi30k(root='.data', split='test', language_pair=('de', 'en'))

需要注意，单独加载测试集时可能会出现错误。