YawKar/summarized_and_tokenized_by_gpt2_wiki

---
dataset_info:
features:
- name: heading
dtype: string
- name: paragraph
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: test
num_bytes: 2888664
num_examples: 2187
- name: train
num_bytes: 1197716502
num_examples: 860879
- name: validation
num_bytes: 2524258
num_examples: 1841
download_size: 574117184
dataset_size: 1203129424
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

原始信息汇总

数据集概述

数据集特征

• heading：数据类型为字符串。
• paragraph：数据类型为字符串。
• input_ids：数据类型为整数序列，具体为32位整数。
• attention_mask：数据类型为整数序列，具体为8位整数。

数据集分割

• test：包含2187个样本，占用2888664字节。
• train：包含860879个样本，占用1197716502字节。
• validation：包含1841个样本，占用2524258字节。

数据集大小

• 下载大小：574117184字节。
• 数据集总大小：1203129424字节。

数据文件配置

• 默认配置：
  • test：路径为data/test-*。
  • train：路径为data/train-*。
  • validation：路径为data/validation-*。