trungdang2901/dattaa

---
dataset_info:
features:
- name: id
dtype: string
- name: translation
dtype:
translation:
languages:
- vi
- zh
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 5673312936
num_examples: 13329734
- name: test
num_bytes: 630033778
num_examples: 1481082
download_size: 3190585179
dataset_size: 6303346714
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• translation: 翻译类型，支持语言包括越南语(vi)和中文(zh)
• input_ids: 序列类型，整数32位
• attention_mask: 序列类型，整数8位
• labels: 序列类型，整数64位

数据集分割

• 训练集(train):
  • 数据量: 5673312936字节
  • 样本数: 13329734
• 测试集(test):
  • 数据量: 630033778字节
  • 样本数: 1481082

数据集大小

• 下载大小: 3190585179字节
• 数据集总大小: 6303346714字节

数据文件配置

• 默认配置(default):
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*