five

cayjobla/wikipedia-pretrain-processed

收藏
Hugging Face2023-08-09 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/cayjobla/wikipedia-pretrain-processed
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: token_type_ids sequence: int8 - name: attention_mask sequence: int8 - name: next_sentence_label dtype: int64 splits: - name: train num_bytes: 110639929064.0 num_examples: 35782642 - name: test num_bytes: 12293328200.0 num_examples: 3975850 download_size: 4973120598 dataset_size: 122933257264.0 --- # Dataset Card for "wikipedia-pretrain-processed" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构:
cayjobla
原始信息汇总

数据集概述

数据集名称

  • 名称: wikipedia-pretrain-processed

数据集特征

  • 特征列表:
    • input_ids: 序列类型为 int32
    • token_type_ids: 序列类型为 int8
    • attention_mask: 序列类型为 int8
    • next_sentence_label: 数据类型为 int64

数据集分割

  • 训练集:
    • 样本数量: 35782642
    • 存储大小: 110639929064.0 字节
  • 测试集:
    • 样本数量: 3975850
    • 存储大小: 12293328200.0 字节

数据集大小

  • 下载大小: 4973120598 字节
  • 总数据集大小: 122933257264.0 字节
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作