greyfoss/doupo-dataset

该数据集名为doupo-dataset，包含用于训练和验证的数据，分别存储在不同的文件中。数据集主要包含三个特征：input_ids、token_type_ids和attention_mask，这些特征均为序列数据类型。训练集有6936个样本，验证集有366个样本。数据集的总大小约为22.5MB，下载大小约为6.2MB。

原始信息汇总

数据集概述

配置

• 默认配置 (default)
  • 数据文件路径：
    • 训练集 (train): data/train-*
    • 验证集 (valid): data/valid-*

数据特征

• input_ids: 序列类型，数据类型为 int32
• token_type_ids: 序列类型，数据类型为 int8
• attention_mask: 序列类型，数据类型为 int8

数据分割

• 训练集 (train)
  • 字节数: 21387729.172121048
  • 样本数: 6936
• 验证集 (valid)
  • 字节数: 1128591.2452416816
  • 样本数: 366

数据集大小

• 下载大小: 6213826 字节
• 数据集大小: 22516320.41736273 字节