harpreetmann/imdb_with_label_text_truncated

---
dataset_info:
features:
- name: text
dtype: string
- name: label
dtype: int64
- name: label_text
dtype: string
- name: count_tokens
dtype: int64
splits:
- name: train
num_bytes: 29595087.626933333
num_examples: 21838
- name: validation
num_bytes: 3340120.8888
num_examples: 2427
- name: test
num_bytes: 32256942.5324
num_examples: 24326
- name: longer_sequences
num_bytes: 1890413.25544
num_examples: 1409
download_size: 43323940
dataset_size: 67082564.303573325
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
- split: longer_sequences
path: data/longer_sequences-*
---

原始信息汇总

数据集概述

特征

• text: 数据类型为 string。
• label: 数据类型为 int64。
• label_text: 数据类型为 string。
• count_tokens: 数据类型为 int64。

数据分割

• train: 包含 21838 个样本，占用 29595087.626933333 字节。
• validation: 包含 2427 个样本，占用 3340120.8888 字节。
• test: 包含 24326 个样本，占用 32256942.5324 字节。
• longer_sequences: 包含 1409 个样本，占用 1890413.25544 字节。

数据集大小

• 下载大小: 43323940 字节。
• 数据集总大小: 67082564.303573325 字节。

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • validation: data/validation-*
    • test: data/test-*
    • longer_sequences: data/longer_sequences-*