nicholasbien/lakh-dataset-full-opt

---
dataset_info:
features:
- name: text
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 1478210437
num_examples: 13560
- name: test
num_bytes: 372102436
num_examples: 3390
download_size: 656124125
dataset_size: 1850312873
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集信息

特征

• text: 数据类型为字符串。
• input_ids: 序列类型为int32。
• attention_mask: 序列类型为int8。

数据分割

• train:
  • 字节数: 1478210437
  • 样本数: 13560
• test:
  • 字节数: 372102436
  • 样本数: 3390

数据大小

• 下载大小: 656124125
• 数据集大小: 1850312873

配置

• default:
  • 数据文件:
    • 训练集路径: data/train-*
    • 测试集路径: data/test-*