atmansingh/medalpaca

---
dataset_info:
features:
- name: output
dtype: string
- name: input
dtype: string
- name: instruction
dtype: string
- name: input_ids
struct:
- name: attention_mask
sequence: int64
- name: input_ids
sequence: int64
- name: labels
struct:
- name: attention_mask
sequence: int64
- name: input_ids
sequence: int64
splits:
- name: train
num_bytes: 26299548
num_examples: 2208
download_size: 5311532
dataset_size: 26299548
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息:
特征:
- 名称: 输出
数据类型（dtype）: 字符串（string）
- 名称: 输入
数据类型: 字符串
- 名称: 指令
数据类型: 字符串
- 名称: 输入ID（input_ids）
结构（struct）:
- 名称: 注意力掩码（attention_mask）
序列（sequence）: 64位整数（int64）
- 名称: 输入ID
序列: 64位整数
- 名称: 标签（labels）
结构:
- 名称: 注意力掩码
序列: 64位整数
- 名称: 输入ID
序列: 64位整数
拆分:
- 名称: 训练集
字节数（num_bytes）: 26299548
样本数（num_examples）: 2208
下载大小（download_size）: 5311532
数据集大小（dataset_size）: 26299548
配置:
- 配置名称（config_name）: 默认
数据文件（data_files）:
- 拆分（split）: 训练集
路径（path）: data/train-*

原始信息汇总

数据集概述

数据特征

• output: 数据类型为字符串。
• input: 数据类型为字符串。
• instruction: 数据类型为字符串。
• input_ids: 包含以下结构：
  • attention_mask: 序列类型为int64。
  • input_ids: 序列类型为int64。
• labels: 包含以下结构：
  • attention_mask: 序列类型为int64。
  • input_ids: 序列类型为int64。

数据分割

• train: 包含2208个样本，占用26299548字节。

数据集大小

• 下载大小: 5311532字节。
• 数据集大小: 26299548字节。

配置信息

• default: 包含训练数据文件，路径为data/train-*。