linhphanff/phobert-vietnamse-nomic-embed-mlm

---
license: apache-2.0
dataset_info:
features:
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: special_tokens_mask
sequence: int8
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 15014344800
num_examples: 1046150
download_size: 4075336926
dataset_size: 15014344800
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

许可证

• Apache 2.0

数据集信息

• 特征

  • input_ids: 序列类型，数据类型为int32
  • token_type_ids: 序列类型，数据类型为int8
  • special_tokens_mask: 序列类型，数据类型为int8
  • attention_mask: 序列类型，数据类型为int8

• 数据分割

  • train: 包含1046150个样本，总字节数为15014344800

数据集大小

• 下载大小: 4075336926字节
• 数据集大小: 15014344800字节

配置

• 默认配置
  • 数据文件路径: data/train-*