katxtong/tokenized_coqa

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: start_positions
dtype: int64
- name: end_positions
dtype: int64
splits:
- name: train
num_bytes: 545842528
num_examples: 108647
- name: validation
num_bytes: 40106592
num_examples: 7983
download_size: 37611347
dataset_size: 585949120
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

原始信息汇总

数据集信息

特征

• input_ids: 序列类型，数据类型为 int32
• attention_mask: 序列类型，数据类型为 int8
• start_positions: 数据类型为 int64
• end_positions: 数据类型为 int64

数据分割

• 训练集 (train):
  • 字节数: 545842528
  • 样本数: 108647
• 验证集 (validation):
  • 字节数: 40106592
  • 样本数: 7983

数据集大小

• 下载大小: 37611347 字节
• 数据集大小: 585949120 字节

配置

• 默认配置 (default):
  • 训练集: 路径为 data/train-*
  • 验证集: 路径为 data/validation-*