gmongaras/book_BERT_512
收藏Hugging Face2023-11-07 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/gmongaras/book_BERT_512
下载链接
链接失效反馈官方服务：
资源简介：
该数据集使用bert-cased分词器，每个样本的token数量上限为512。数据集主要包含三个特征：input_ids（整数序列）、token_type_ids（8位整数序列）和attention_mask（8位整数序列）。数据集分为训练集，大小为228229039152字节，包含74004228个样本。
该数据集使用bert-cased分词器，每个样本的token数量上限为512。数据集主要包含三个特征：input_ids（整数序列）、token_type_ids（8位整数序列）和attention_mask（8位整数序列）。数据集分为训练集，大小为228229039152字节，包含74004228个样本。
提供机构：
gmongaras
原始信息汇总
数据集概述
特征信息
- input_ids: 序列类型为int32
- token_type_ids: 序列类型为int8
- attention_mask: 序列类型为int8
数据分割
- train: 包含74004228个样本，总字节数为228229039152
数据大小
- 下载大小: 2826157131字节
- 数据集大小: 228229039152字节
配置信息
- config_name: default
- data_files:
- split: train
- path: data/train-*
