five

gokulsrinivasagan/wiki_book_corpus_processed_gpt2_dataset_tiny

收藏
Hugging Face2024-07-01 更新2024-07-06 收录
下载链接:
https://hf-mirror.com/datasets/gokulsrinivasagan/wiki_book_corpus_processed_gpt2_dataset_tiny
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集包含三个主要特征:input_ids(序列类型,int32)、attention_mask(序列类型,int8)和labels(序列类型,int64)。数据集分为训练集和验证集,训练集包含660,643个样本,占用8,802,407,332字节;验证集包含33,767个样本,占用449,911,508字节。整个数据集的下载大小为2,756,142,672字节,总大小为9,252,318,840字节。

The dataset contains three main features: input_ids (sequence type, int32), attention_mask (sequence type, int8), and labels (sequence type, int64). The dataset is divided into a training set and a validation set. The training set contains 660,643 samples, occupying 8,802,407,332 bytes; the validation set contains 33,767 samples, occupying 449,911,508 bytes. The total download size of the dataset is 2,756,142,672 bytes, and the total size is 9,252,318,840 bytes.
提供机构:
gokulsrinivasagan
原始信息汇总

数据集概述

特征信息

  • input_ids: 序列类型为 int32
  • attention_mask: 序列类型为 int8
  • labels: 序列类型为 int64

数据分割

  • train:
    • 字节数: 8802407332
    • 样本数: 660643
  • validation:
    • 字节数: 449911508
    • 样本数: 33767

数据集大小

  • 下载大小: 2756142672 字节
  • 总大小: 9252318840 字节

配置信息

  • config_name: default
    • data_files:
      • train: data/train-*
      • validation: data/validation-*
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