mynameissilasuibk/Hello-world

---
dataset_info:
features:
- name: labels
dtype: string
- name: text
dtype: string
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 36973380
num_examples: 70000
- name: validation
num_bytes: 5243383
num_examples: 10000
- name: test
num_bytes: 5204402
num_examples: 10000
download_size: 22423258
dataset_size: 47421165
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• labels: 数据类型为字符串（string）。
• text: 数据类型为字符串（string）。
• input_ids: 序列类型为32位整数（int32）。
• token_type_ids: 序列类型为8位整数（int8）。
• attention_mask: 序列类型为8位整数（int8）。

数据集划分

• 训练集（train）: 包含70000个样本，占用36973380字节。
• 验证集（validation）: 包含10000个样本，占用5243383字节。
• 测试集（test）: 包含10000个样本，占用5204402字节。

数据集大小

• 下载大小: 22423258字节。
• 数据集总大小: 47421165字节。

数据文件配置

• 配置名称: default
• 训练集路径: data/train-*
• 验证集路径: data/validation-*
• 测试集路径: data/test-*