PY007/slimpajama_mistral_tokenized_chunk_upsample_4096_512K

---
dataset_info:
features:
- name: input_ids
sequence: int64
- name: labels
dtype: int64
- name: source
list:
- name: end
dtype: int64
- name: source
dtype: string
- name: start
dtype: int64
splits:
- name: train
num_bytes: 3885320138
num_examples: 947
download_size: 886181046
dataset_size: 3885320138
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• input_ids: 序列类型为 int64。
• labels: 数据类型为 int64。
• source: 包含以下子特征：
  • end: 数据类型为 int64。
  • source: 数据类型为 string。
  • start: 数据类型为 int64。

数据集分割

• train:
  • 数据量: 3885320138 字节。
  • 示例数量: 947。

数据集大小

• 下载大小: 886181046 字节。
• 数据集大小: 3885320138 字节。

配置信息

• config_name: default
  • data_files:
    • split: train
      • path: data/train-*