CatBarks/tokenized_email_dataset_t5-base

---
dataset_info:
features:
- name: label
dtype: int64
- name: subject
dtype: string
- name: message
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 74628474
num_examples: 25372
- name: validation
num_bytes: 18024745
num_examples: 6344
- name: test
num_bytes: 5790335
num_examples: 2000
download_size: 45975993
dataset_size: 98443554
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集信息

特征

• label: 数据类型为 int64
• subject: 数据类型为 string
• message: 数据类型为 string
• input_ids: 数据类型为 int32，序列类型
• attention_mask: 数据类型为 int8，序列类型

数据分割

• train: 字节数为 74628474，样本数为 25372
• validation: 字节数为 18024745，样本数为 6344
• test: 字节数为 5790335，样本数为 2000

数据大小

• 下载大小: 45975993 字节
• 数据集大小: 98443554 字节

配置

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