ghidav/safety-data-gpt2

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: text
dtype: string
- name: tokens
struct:
- name: attention_mask
sequence: int64
- name: input_ids
sequence: int64
splits:
- name: train
num_bytes: 4002182078
num_examples: 458194
- name: test
num_bytes: 363225094
num_examples: 41596
download_size: 236111975
dataset_size: 4365407172
---
# Dataset Card for "safety-data-gpt2"

[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

数据集配置

• 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：

  • text: 数据类型为字符串 (string)
  • tokens: 结构化数据
    • attention_mask: 序列类型为整数64位 (int64)
    • input_ids: 序列类型为整数64位 (int64)

• 数据集划分：

  • 训练集 (train)
    • 字节数: 4002182078
    • 样本数: 458194
  • 测试集 (test)
    • 字节数: 363225094
    • 样本数: 41596

• 数据集大小：

  • 下载大小: 236111975
  • 数据集总大小: 4365407172