TayTT/CPWord_set

---
dataset_info:
features:
- name: file
dtype: string
- name: tokens
sequence:
sequence: int64
splits:
- name: train
num_bytes: 472634190
num_examples: 1020
- name: test
num_bytes: 52288160
num_examples: 128
- name: valid
num_bytes: 74742176
num_examples: 128
download_size: 40432518
dataset_size: 599664526
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: valid
path: data/valid-*
---

数据集信息：
特征项：
- 名称：file（文件），数据类型：字符串
- 名称：tokens（标记序列），其结构为嵌套序列（sequence）：内层序列为64位整数（int64）类型
数据集划分：
- 划分名称：train（训练集），字节占用量：472634190，样本数量：1020
- 划分名称：test（测试集），字节占用量：52288160，样本数量：128
- 划分名称：valid（验证集），字节占用量：74742176，样本数量：128
下载总大小：40432518 字节，数据集总存储大小：599664526 字节
配置项：
- 配置名称：default（默认配置），数据文件路径：
- 训练集：data/train-*
- 测试集：data/test-*
- 验证集：data/valid-*

原始信息汇总

数据集概述

数据集特征

• file: 数据类型为字符串。
• tokens: 数据类型为整数序列，其中序列元素类型为int64。

数据集分割

• 训练集 (train): 包含1020个样本，总大小为472634190字节。
• 测试集 (test): 包含128个样本，总大小为52288160字节。
• 验证集 (valid): 包含128个样本，总大小为74742176字节。

数据集大小

• 下载大小: 40432518字节。
• 数据集总大小: 599664526字节。

数据文件配置

• 默认配置 (default):
  • 训练集文件路径: data/train-*
  • 测试集文件路径: data/test-*
  • 验证集文件路径: data/valid-*