five

sade-adrien/context_extension-mistral-16k

收藏
Hugging Face2023-12-01 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/sade-adrien/context_extension-mistral-16k
下载链接
链接失效反馈
官方服务:
资源简介:
--- dataset_info: features: - name: raw_content dtype: string - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: - name: train num_bytes: 13206603486 num_examples: 30000 download_size: 5395605016 dataset_size: 13206603486 configs: - config_name: default data_files: - split: train path: data/train-* --- # Dataset Card for "context_extension-mistral-16k" !!! idx=27710 has length 32717 remove it with dataset['train'] = dataset['train'].select((i for i in range(len(dataset['train'])) if i != 27710)) [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构:
sade-adrien
原始信息汇总

数据集概述

数据集信息

  • 特征:
    • raw_content: 类型为字符串
    • input_ids: 序列类型为int32
    • attention_mask: 序列类型为int8
    • labels: 序列类型为int64

数据分割

  • 训练集:
    • 字节数: 13206603486
    • 样本数: 30000

数据集大小

  • 下载大小: 5395605016
  • 数据集大小: 13206603486

配置

  • 默认配置:
    • 数据文件路径: data/train-*

数据处理

  • 异常处理:
    • 样本索引27710长度为32717,建议移除该样本。
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作