mhr2004/wikineg-train-nsp-500000-roberta-large-tokenized

---
dataset_info:
features:
- name: text
dtype: string
- name: label
dtype: int64
- name: label2
dtype: int64
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 470719143
num_examples: 500000
download_size: 176324292
dataset_size: 470719143
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

This dataset is primarily designed for natural language processing tasks, featuring text, labels, and serialized data for model inputs. It includes a training set with 500,000 samples. The download and actual sizes of the dataset are 176,324,292 bytes and 470,719,143 bytes, respectively.

原始信息汇总

数据集概述

数据集特征

• text：文本数据，数据类型为字符串。
• label：标签数据，数据类型为整数64位。
• label2：第二个标签数据，数据类型为整数64位。
• input_ids：输入ID序列，数据类型为整数32位。
• attention_mask：注意力掩码序列，数据类型为整数8位。

数据集划分

• 训练集：包含500000个样本，总大小为470719143字节。

数据集大小

• 下载大小：176324292字节。
• 总数据集大小：470719143字节。

配置

• 默认配置：
  • 训练数据文件路径：data/train-*。