mhr2004/plm-val-tokenized

---
dataset_info:
features:
- name: text
dtype: string
- name: label
dtype: int64
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 1793126115
num_examples: 1918604
download_size: 678149863
dataset_size: 1793126115
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• text: 数据类型为字符串。
• label: 数据类型为整数，具体为int64。
• input_ids: 序列类型，数据类型为int32。
• attention_mask: 序列类型，数据类型为int8。

数据集分割

• train:
  • 数据量: 1793126115字节
  • 样本数量: 1918604

数据集大小

• 下载大小: 678149863字节
• 数据集总大小: 1793126115字节

配置

• config_name: default
  • data_files:
    • split: train
      • path: data/train-*