nhantruongcse/tokenized_100k_train_large_vietnews
收藏Hugging Face2023-12-09 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/nhantruongcse/tokenized_100k_train_large_vietnews
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含五个主要特征：Content（内容）、Summary（摘要）、input_ids（输入ID序列）、attention_mask（注意力掩码序列）和labels（标签序列）。数据集分为一个训练集（train），包含100,000个样本，总大小为753,917,899字节。下载大小为332,810,068字节，数据集大小为753,917,899字节。配置信息中指定了默认配置，数据文件路径为data/train-*。
该数据集包含五个主要特征：Content（内容）、Summary（摘要）、input_ids（输入ID序列）、attention_mask（注意力掩码序列）和labels（标签序列）。数据集分为一个训练集（train），包含100,000个样本，总大小为753,917,899字节。下载大小为332,810,068字节，数据集大小为753,917,899字节。配置信息中指定了默认配置，数据文件路径为data/train-*。
提供机构：
nhantruongcse
原始信息汇总
数据集概述
数据特征
- Content: 数据类型为字符串。
- Summary: 数据类型为字符串。
- input_ids: 数据类型为整数序列，类型为int32。
- attention_mask: 数据类型为整数序列，类型为int8。
- labels: 数据类型为整数序列，类型为int64。
数据分割
- train: 包含100000个样本，总字节数为753917899。
数据集大小
- 下载大小: 332810068字节。
- 数据集大小: 753917899字节。
配置
- default: 包含训练数据文件，路径为
data/train-*。
