9wimu9/sinhala_30m_tokenized
收藏Hugging Face2023-07-05 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/9wimu9/sinhala_30m_tokenized
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: special_tokens_mask
sequence: int8
splits:
- name: train
num_bytes: 11317002300
num_examples: 7310725
- name: test
num_bytes: 629128872
num_examples: 406414
- name: valid
num_bytes: 628241868
num_examples: 405841
download_size: 2926527051
dataset_size: 12574373040
---
# Dataset Card for "sinhala_30m_tokenized"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
9wimu9
原始信息汇总
数据集概述
数据集名称
sinhala_30m_tokenized
数据集特征
- input_ids：序列类型为 int32
- attention_mask：序列类型为 int8
- special_tokens_mask：序列类型为 int8
数据集分割
- 训练集：
- 样本数量：7310725
- 存储大小：11317002300 字节
- 测试集：
- 样本数量：406414
- 存储大小：629128872 字节
- 验证集：
- 样本数量：405841
- 存储大小：628241868 字节
数据集大小
- 下载大小：2926527051 字节
- 数据集总大小：12574373040 字节
