saibo/bookcorpus_compact_1024_shard0_of_10_meta

---
dataset_info:
features:
- name: text
dtype: string
- name: concept_with_offset
dtype: string
- name: cid_arrangement
sequence: int32
- name: schema_lengths
sequence: int64
- name: topic_entity_mask
sequence: int64
- name: text_lengths
sequence: int64
splits:
- name: train
num_bytes: 7429184891
num_examples: 61605
download_size: 1631318898
dataset_size: 7429184891
---
# Dataset Card for "bookcorpus_compact_1024_shard0_meta"

132 hours to finish
num_examples: 61605
size: 1.5GB

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征列表：
- 文本（text）：数据类型为字符串
- 带偏移量的概念（concept_with_offset）：数据类型为字符串
- cid_arrangement：序列类型，元素为int32
- 模式长度（schema_lengths）：序列类型，元素为int64
- 主题实体掩码（topic_entity_mask）：序列类型，元素为int64
- 文本长度（text_lengths）：序列类型，元素为int64
划分集：
- 训练集（train）：字节数为7429184891，样本数为61605
下载大小：1631318898
数据集大小：7429184891
---
# 「bookcorpus_compact_1024_shard0_meta」数据集卡片
数据处理完成需耗时132小时
样本总数：61605
数据集体积：1.5GB

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: bookcorpus_compact_1024_shard0_meta

数据集特征

• 特征列表:
  • text: 数据类型为字符串。
  • concept_with_offset: 数据类型为字符串。
  • cid_arrangement: 数据类型为整数序列，类型为int32。
  • schema_lengths: 数据类型为整数序列，类型为int64。
  • topic_entity_mask: 数据类型为整数序列，类型为int64。
  • text_lengths: 数据类型为整数序列，类型为int64。

数据集分割

• 训练集:
  • 样本数量: 61605
  • 存储大小: 7429184891字节

数据集大小

• 下载大小: 1631318898字节
• 数据集总大小: 7429184891字节

数据集处理时间

• 处理时间: 132小时

数据集存储大小

• 存储大小: 1.5GB