nqv2291/vi-mT5-ner-VinAI-COVID_19_NER

该数据集包含三个主要特征：input_ids、attention_mask和labels，分别表示输入ID序列、注意力掩码序列和标签序列。数据集分为多个子集，包括train_100、train_500、train_1k、train_5k、train_full和val，每个子集都有对应的字节大小和样本数量。数据集的下载大小为2409420字节，总大小为16952130字节。

The dataset contains three main features: input_ids, attention_mask, and labels, representing input ID sequences, attention mask sequences, and label sequences, respectively. The dataset is divided into several subsets, including train_100, train_500, train_1k, train_5k, train_full, and val, each with corresponding byte sizes and number of examples. The download size of the dataset is 2409420 bytes, and the total size is 16952130 bytes.

原始信息汇总

数据集概述

特征

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

数据集划分

• train_100: 包含 100 个样本，占用 76272 字节
• train_500: 包含 500 个样本，占用 388738 字节
• train_1k: 包含 1000 个样本，占用 782325 字节
• train_5k: 包含 5000 个样本，占用 3895468 字节
• train_full: 包含 10335 个样本，占用 8079549 字节
• val: 包含 4576 个样本，占用 3729778 字节

数据集大小

• 下载大小: 2409420 字节
• 数据集总大小: 16952130 字节

配置

• default:
  • train_100: 路径为 data/train_100-*
  • train_500: 路径为 data/train_500-*
  • train_1k: 路径为 data/train_1k-*
  • train_5k: 路径为 data/train_5k-*
  • train_full: 路径为 data/train_full-*
  • val: 路径为 data/val-*