gmongaras/BERT_Base_Cased_512_Dataset2
收藏Hugging Face2023-11-11 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/gmongaras/BERT_Base_Cased_512_Dataset2
下载链接
链接失效反馈官方服务：
资源简介：
该数据集使用了bert-cased分词器，并将句子截断为512长度（非句子对），所有句子对均被提取。数据集来源于两个原始数据集：bookcorpus和wikipedia（20220301.en版本）。数据集包含一个训练集，共有109,418,257个样本，总大小为26,485,537,877字节，下载大小为10,245,098,382字节。
提供机构：
gmongaras
原始信息汇总
数据集概述
数据特征
- 名称: text
- 数据类型: string
数据分割
- 名称: train
- 字节数: 26485537877
- 样本数: 109418257
数据大小
- 下载大小: 10245098382
- 数据集大小: 26485537877
配置
- 配置名称: default
- 数据文件:
- 分割: train
- 路径: data/train-*
