登录后查看消息通知
搜索
常见问题
消息
登录
Geonwoohong/pile-uncopyrighted-test-tokenized-gpt2
收藏
Hugging Face
2025-11-14 更新
2025-12-20 收录
下载链接:
https://hf-mirror.com/datasets/Geonwoohong/pile-uncopyrighted-test-tokenized-gpt2
下载链接
链接失效反馈
官方服务:
购买咨询
问题咨询
资源简介:
--- license: other ---
应用场景:
提供机构:
Geonwoohong
相关数据集
Geonwoohong/pile-uncopyrighted-train-tokenized-gpt2
--- license: other ---
Hugging Face
2025-11-14 更新
1
0
alancooney/sae-monology-pile-uncopyrighted-tokenizer-gpt2
--- license: mit dataset_info: features: - name: input_ids sequence: int32 splits: - name: train num_bytes: 31522321636 num_examples: 30663737 download_size: 17207116581 datase
Hugging Face
2024-01-02 更新
5
0
apollo-research/sae-monology-pile-uncopyrighted-tokenizer-gpt2
--- dataset_info: features: - name: input_ids sequence: int32 splits: - name: train num_bytes: 39285716200.0 num_examples: 9581882 download_size: 16728794109 dataset_size: 3928
Hugging Face
2024-02-09 更新
4
0
Geonwoohong/pile-uncopyrighted-6b-tokenized-gpt2
Pile-Uncopyrighted的预标记子集,使用GPT-2 BPE编码,适用于Mixture-of-Experts(MoE)实验。每个记录包含固定长度的1024个标记序列,适用于解码器语言模型的训练。数据集包括Pile-CC、USPTO Backgrounds、Wikipedia (en)、GitHub、PubMed Abstracts和StackExchange等未版权子集。
Hugging Face
2025-10-21 更新
3
0
apollo-research/monology-pile-uncopyrighted-tokenizer-gpt2
--- dataset_info: features: - name: input_ids sequence: int32 splits: - name: train num_bytes: 196198407000.0 num_examples: 47853270 download_size: 83576335505 dataset_size: 19
Hugging Face
2024-03-07 更新
9
0
© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15
沪公网安备31010402336585号
热门搜索
社区交流群
科研交流群
商业服务
数据资源
寻源服务
数据采集
标注服务
数据产品
代理销售
数据领域
凭证登记
数据产品
介绍推广