muratsimsek003/tokenized_datasets_squad

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
- name: start_positions
dtype: int64
- name: end_positions
dtype: int64
splits:
- name: train
num_bytes: 206437968
num_examples: 88524
- name: validation
num_bytes: 25148288
num_examples: 10784
download_size: 27211600
dataset_size: 231586256
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

原始信息汇总

数据集信息

特征

• 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
• start_positions: 数据类型为 int64
• end_positions: 数据类型为 int64

数据分割

• 训练集 (train)
  • 字节数: 206437968
  • 样本数: 88524
• 验证集 (validation)
  • 字节数: 25148288
  • 样本数: 10784

数据大小

• 下载大小: 27211600 字节
• 数据集大小: 231586256 字节

配置

• 默认配置 (default)
  • 数据文件路径:
    • 训练集: data/train-*
    • 验证集: data/validation-*