madsci/tokenized-codeparrot-train
收藏Hugging Face2024-04-01 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/madsci/tokenized-codeparrot-train
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: ratio_char_token
dtype: float64
splits:
- name: train
num_bytes: 57725193148
num_examples: 5300000
download_size: 24092790473
dataset_size: 57725193148
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
提供机构：
madsci
原始信息汇总
数据集概述
数据集特征
- input_ids：序列类型为
int32。 - ratio_char_token：数据类型为
float64。
数据集分割
- 训练集（train）：
- 示例数量：5300000
- 数据大小：57725193148字节
数据集大小
- 下载大小：24092790473字节
- 数据集总大小：57725193148字节
配置信息
- 默认配置（default）：
- 训练集文件路径模式：
data/train-*
- 训练集文件路径模式：
