fubuki119/iitb-english-hindi-tokenized

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 429594853
num_examples: 1659083
- name: validation
num_bytes: 174392
num_examples: 520
- name: test
num_bytes: 992781
num_examples: 2507
download_size: 139343444
dataset_size: 430762026
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集详情

特征

• input_ids: 序列类型为 int32
• attention_mask: 序列类型为 int8
• labels: 序列类型为 int64

数据分割

• 训练集 (train):
  • 字节数: 429594853
  • 样本数: 1659083
• 验证集 (validation):
  • 字节数: 174392
  • 样本数: 520
• 测试集 (test):
  • 字节数: 992781
  • 样本数: 2507

数据大小

• 下载大小: 139343444 字节
• 数据集大小: 430762026 字节

配置

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