PY007/slimpajama_llama_tokenized_chunk_upsample_100K_books_1M

---
dataset_info:
features:
- name: input_ids
sequence: int64
- name: labels
dtype: int64
- name: source
list:
- name: end
dtype: int64
- name: source
dtype: string
- name: start
dtype: int64
splits:
- name: train
num_bytes: 21914274607
num_examples: 2737
download_size: 4973209976
dataset_size: 21914274607
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

The dataset includes the following features: input_ids (sequence, type int64), labels (type int64), source (includes sub-features: end (type int64), source (type string), start (type int64)). The dataset is split into train split, containing 2737 examples, with a total byte size of 21914274607. The download size is 4973209976 bytes, and the dataset size is 21914274607 bytes. The dataset configuration is default, with data file paths as data/train-*.

原始信息汇总

数据集概述

数据集特征

• input_ids：序列类型为int64。
• labels：数据类型为int64。
• source：列表类型，包含以下元素：
  • end：数据类型为int64。
  • source：数据类型为string。
  • start：数据类型为int64。

数据集分割

• train：
  • 数据大小：21914274607字节。
  • 样本数量：2737。

数据集大小

• 下载大小：4973209976字节。
• 数据集大小：21914274607字节。

配置

• config_name: default
  • data_files:
    • split: train
      • path: data/train-*