vegeta/legaltokenized256
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: 27564311544 num_examples: 21400863 - name: validation num_bytes: 3008263104 num_examples: 2335608 download_size: 7092165713 dataset_size: 30572574648 --- # Dataset Card for "legaltokenized256" [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
数据集特征
-
input_ids
- 数据类型：int32
- 序列类型：sequence
-
attention_mask
- 数据类型：int8
- 序列类型：sequence
数据集划分
-
训练集（train）
- 数据大小：27564311544 字节
- 样本数量：21400863
-
验证集（validation）
- 数据大小：3008263104 字节
- 样本数量：2335608
数据集大小
- 下载大小：7092165713 字节
- 总数据大小：30572574648 字节
