jganzabalseenka/mlsum-spanish-truncated-512

---
dataset_info:
features:
- name: text
dtype: string
- name: summary
dtype: string
- name: topic
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: date
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: decoder_input_ids
sequence: int64
- name: decoder_attention_mask
sequence: int64
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 2720064586
num_examples: 266367
- name: validation
num_bytes: 109186816
num_examples: 10358
- name: test
num_bytes: 149939505
num_examples: 13920
download_size: 1157591855
dataset_size: 2979190907
---
# Dataset Card for "mlsum-spanish-truncated-512"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: mlsum-spanish-truncated-512

数据集特征

• 文本特征:
  • text: 字符串类型
  • summary: 字符串类型
  • topic: 字符串类型
  • url: 字符串类型
  • title: 字符串类型
  • date: 字符串类型
  • input_ids: 整数序列，类型为int32
  • attention_mask: 整数序列，类型为int8
  • decoder_input_ids: 整数序列，类型为int64
  • decoder_attention_mask: 整数序列，类型为int64
  • labels: 整数序列，类型为int64

数据集分割

• 训练集:
  • 样本数量: 266367
  • 数据大小: 2720064586 字节
• 验证集:
  • 样本数量: 10358
  • 数据大小: 109186816 字节
• 测试集:
  • 样本数量: 13920
  • 数据大小: 149939505 字节

数据集大小

• 下载大小: 1157591855 字节
• 总数据集大小: 2979190907 字节