jtatman/sciphi-micro-unsloth-processed

--- dataset_info: features: - name: text dtype: string - name: input_ids sequence: int32 - name: attention_mask sequence: int8 splits: - name: train num_bytes: 584386995.8044599 num_examples: 84119 - name: val num_bytes: 64934976.04327544 num_examples: 9347 download_size: 254404662 dataset_size: 649321971.8477354 configs: - config_name: default data_files: - split: train path: data/train-* - split: val path: data/val-* ---

原始信息汇总

数据集详情

特征

• text: 数据类型为字符串。
• input_ids: 数据类型为整数序列，每个元素为32位整数。
• attention_mask: 数据类型为整数序列，每个元素为8位整数。

数据分割

• train:
  • 字节数: 584386995.8044599
  • 样本数: 84119
• val:
  • 字节数: 64934976.04327544
  • 样本数: 9347

数据大小

• 下载大小: 254404662
• 数据集大小: 649321971.8477354

配置

• config_name: default
  • data_files:
    • train: 路径为 data/train-*
    • val: 路径为 data/val-*