barto17/imdb

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: unsupervised
path: data/unsupervised-*
dataset_info:
features:
- name: text
dtype: string
- name: label
dtype:
class_label:
names:
'0': neg
'1': pos
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 97632823
num_examples: 25000
- name: test
num_bytes: 96850685
num_examples: 25000
- name: unsupervised
num_bytes: 195506794
num_examples: 50000
download_size: 135785876
dataset_size: 389990302
---
# Dataset Card for "imdb"

[More Information needed](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

配置信息

• 默认配置：
  • 训练集：路径为 data/train-*
  • 测试集：路径为 data/test-*
  • 无监督集：路径为 data/unsupervised-*

数据集信息

• 特征：

  • 文本：数据类型为字符串
  • 标签：数据类型为类别标签，包含两个类别：neg 和 pos
  • 输入ID：序列类型为整数32位
  • 注意力掩码：序列类型为整数8位

• 拆分：

  • 训练集：字节数为 97632823，样本数为 25000
  • 测试集：字节数为 96850685，样本数为 25000
  • 无监督集：字节数为 195506794，样本数为 50000

• 下载大小：135785876 字节

• 数据集大小：389990302 字节