dot-ammar/AR-dotted-tokenized-mediumPlus

--- configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* dataset_info: features: - name: input_ids sequence: int32 - name: attention_mask sequence: int8 splits: - name: train num_bytes: 216608904 num_examples: 334273 - name: test num_bytes: 54145584 num_examples: 83558 download_size: 133446513 dataset_size: 270754488 --- # Dataset Card for "AR-dotted-tokenized-mediumPlus" [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 (default)
  • 数据文件路径：
    • 训练集 (train): data/train-*
    • 测试集 (test): data/test-*

数据集信息

• 特征：
  • input_ids: 序列类型，数据类型为 int32
  • attention_mask: 序列类型，数据类型为 int8
• 数据分割：
  • 训练集 (train):
    • 字节数: 216608904
    • 样本数: 334273
  • 测试集 (test):
    • 字节数: 54145584
    • 样本数: 83558
• 下载大小: 133446513 字节
• 数据集总大小: 270754488 字节