five

morten-j/medhie-tokenized-dataset-cased

收藏
Hugging Face2024-06-14 更新2024-06-29 收录
下载链接:
https://hf-mirror.com/datasets/morten-j/medhie-tokenized-dataset-cased
下载链接
链接失效反馈
官方服务:
资源简介:
--- dataset_info: features: - name: input_ids sequence: int32 - name: token_type_ids sequence: int8 - name: attention_mask sequence: int8 - name: word_ids sequence: int64 - name: labels sequence: int64 splits: - name: train num_bytes: 77897983132 num_examples: 27443387 - name: validation num_bytes: 9098623668 num_examples: 3205489 download_size: 25624918275 dataset_size: 86996606800 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* ---
提供机构:
morten-j
原始信息汇总

数据集概述

特征信息

  • input_ids: 序列类型为 int32
  • token_type_ids: 序列类型为 int8
  • attention_mask: 序列类型为 int8
  • word_ids: 序列类型为 int64
  • labels: 序列类型为 int64

数据集划分

  • train:
    • 字节数: 77897983132
    • 样本数: 27443387
  • validation:
    • 字节数: 9098623668
    • 样本数: 3205489

数据集大小

  • 下载大小: 25624918275 字节
  • 总大小: 86996606800 字节

配置信息

  • config_name: default
    • 数据文件:
      • train: data/train-*
      • validation: data/validation-*
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作