morten-j/medhie-tokenized-dataset-sefaria-mixed_lengths
收藏Hugging Face2024-04-16 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/morten-j/medhie-tokenized-dataset-sefaria-mixed_lengths
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
- name: overflow_to_sample_mapping
dtype: int64
splits:
- name: train
num_bytes: 3648913816
num_examples: 4552697
download_size: 1074923641
dataset_size: 3648913816
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
提供机构：
morten-j
原始信息汇总
数据集概述
数据集特征
- 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。 - overflow_to_sample_mapping：数据类型为
int64。
数据集分割
- 训练集（train）：
- 数据量：4552697个样本。
- 存储大小：3648913816字节。
下载与存储信息
- 下载大小：1074923641字节。
- 数据集总大小：3648913816字节。
配置信息
- 配置名称：default
- 数据文件路径：
- 分割类型：train
- 路径：data/train-*
