sanagnos/processed_llama_dataset_2048

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: special_tokens_mask
sequence: int8
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 31729264500.0
num_examples: 2579615
download_size: 10178429407
dataset_size: 31729264500.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集详情

特征

• input_ids: 序列类型为 int32
• special_tokens_mask: 序列类型为 int8
• attention_mask: 序列类型为 int8

数据分割

• train: 包含 2579615 个样本，占用 31729264500.0 字节

数据大小

• 下载大小: 10178429407 字节
• 数据集大小: 31729264500.0 字节

配置

• default:
  • 数据文件路径: data/train-*