TenzinGayche/mt_train_t1.0.0

该数据集包含三个主要特征：input_ids（序列类型，int32）、attention_mask（序列类型，int8）和labels（序列类型，int64）。数据集被分为训练集和测试集，其中训练集包含922,116个样本，测试集包含9,314个样本。数据集的下载大小为133,225,738字节，总大小为301,626,040字节。

This dataset includes three main features: input_ids (sequence type, int32), attention_mask (sequence type, int8), and labels (sequence type, int64). The dataset is divided into a training set and a test set, with the training set containing 922,116 samples and the test set containing 9,314 samples. The download size of the dataset is 133,225,738 bytes, and the total size is 301,626,040 bytes.

原始信息汇总

数据集概述

数据集特征

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

数据集分割

• train:
  • 字节数: 298589863
  • 样本数: 922116
• test:
  • 字节数: 3036177
  • 样本数: 9314

数据集大小

• 下载大小: 133225738 字节
• 总大小: 301626040 字节

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • test: data/test-*