vegeta/legaltokenized1024
收藏官方服务：
资源简介：
--- dataset_info: features: - name: input_ids sequence: int32 - name: attention_mask sequence: int8 splits: - name: train num_bytes: 27016370584 num_examples: 5268403 - name: validation num_bytes: 2947948744 num_examples: 574873 download_size: 7022414209 dataset_size: 29964319328 --- # Dataset Card for "legaltokenized1024" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
vegeta原始信息汇总
数据集概述
数据集名称
legaltokenized1024
数据集特征
- input_ids: 序列类型为 int32。
- attention_mask: 序列类型为 int8。
数据集分割
- 训练集:
- 样本数量: 5268403
- 数据大小: 27016370584 字节
- 验证集:
- 样本数量: 574873
- 数据大小: 2947948744 字节
数据集大小
- 下载大小: 7022414209 字节
- 总数据集大小: 29964319328 字节
