five

zh-tw-llm-dv/zh-tw-pythia-ta8000-v1-e1-tr_sg-301-c1024

收藏
Hugging Face2023-05-19 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/zh-tw-llm-dv/zh-tw-pythia-ta8000-v1-e1-tr_sg-301-c1024
下载链接
链接失效反馈
官方服务:
资源简介:
--- dataset_info: dataset_size: 442704996.0 download_size: 177974029 features: - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 - dtype: string name: preview splits: - name: train num_bytes: 441717119.0 num_examples: 306319 - name: test num_bytes: 987877.0 num_examples: 200 --- # zh-tw-pythia-ta8000-v1-e1-tr_sg-301-c1024 This dataset is a part of the `zh-tw-llm` project. * Tokenizer: `zh-tw-pythia-tokenizer-a8000-v1` * Built with: `translations`, `sharegpt` * Rows: `train` `306319`, `test` `200` * Max length: `1024` * Full config: ```json {"build_with": ["translations", "sharegpt"], "preview_length": 128, "translations_settings": {"source_dataset": "zetavg/coct-en-zh-tw-translations-twp-300k", "lang_1_key": "en", "lang_2_key": "ch", "templates": ["English: {lang_1}\nChinese: {lang_2}", "Chinese: {lang_2}\nEnglish: {lang_1}"], "use_template": "random", "rows_limit": 300000, "test_size": 100, "test_split_seed": 42}, "sharegpt_settings": {"source_dataset": "zetavg/ShareGPT-Processed", "train_on_inputs": false, "languages": [{"en": 0.4}, "zh_Hant"], "rows_limit": 8000, "test_size": 0.02, "test_split_seed": 42, "test_rows_limit": 100}} ```
提供机构:
zh-tw-llm-dv
原始信息汇总

数据集概述

基本信息

  • 数据集大小: 442,704,996.0 字节
  • 下载大小: 177,974,029 字节

特征

  • input_ids: 序列类型为 int32
  • attention_mask: 序列类型为 int8
  • labels: 序列类型为 int64
  • preview: 数据类型为 string

分割

  • 训练集:
    • 字节数: 441,717,119.0 字节
    • 样本数: 306,319
  • 测试集:
    • 字节数: 987,877.0 字节
    • 样本数: 200
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