thienhtt20/tokenized-pair

---
dataset_info:
features:
- name: id
dtype: int32
- name: label
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 325094613
num_examples: 249144
- name: test
num_bytes: 81274608
num_examples: 62287
download_size: 111682016
dataset_size: 406369221
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• id: 数据类型为 int32。
• label: 数据类型为 string。
• input_ids: 数据类型为 int32，表示序列。
• attention_mask: 数据类型为 int8，表示序列。

数据集划分

• train: 包含 249144 个样本，占用 325094613 字节。
• test: 包含 62287 个样本，占用 81274608 字节。

数据集大小

• 下载大小: 111682016 字节。
• 总大小: 406369221 字节。

配置信息

• config_name: default
  • data_files:
    • train: 路径为 data/train-*。
    • test: 路径为 data/test-*。