T-Almeida/Pubmed2023-baseline-neox-tokenized
收藏Hugging Face2023-12-12 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/T-Almeida/Pubmed2023-baseline-neox-tokenized
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: id
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 33279393797
num_examples: 22522740
download_size: 14020873232
dataset_size: 33279393797
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
提供机构：
T-Almeida
原始信息汇总
数据集详情
特征信息
- id: 数据类型为字符串。
- input_ids: 数据类型为整数序列，每个元素为32位整数。
- attention_mask: 数据类型为整数序列，每个元素为8位整数。
数据分割
- train: 包含33,279,393,797字节的数据，共有22,522,740个样本。
数据大小
- 下载大小: 14,020,873,232字节。
- 数据集大小: 33,279,393,797字节。
配置信息
- default: 包含训练数据文件，路径为
data/train-*。
