gmongaras/BERT_Base_Cased_128_Dataset
收藏Hugging Face2024-02-02 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/gmongaras/BERT_Base_Cased_128_Dataset
下载链接
链接失效反馈官方服务：
资源简介：
该数据集使用了bert-cased分词器，句子被截断到128长度（不是句子对），所有句子对都被提取。原始数据集包括bookcorpus和wikipedia的20220301.en版本。
该数据集使用了bert-cased分词器，句子被截断到128长度（不是句子对），所有句子对都被提取。原始数据集包括bookcorpus和wikipedia的20220301.en版本。
提供机构：
gmongaras
原始信息汇总
数据集概述
特征
- 名称: text
- 数据类型: string
数据分割
- 名称: train
- 字节数: 34602046700
- 样本数: 134457967
数据大小
- 下载大小: 13058779121
- 数据集大小: 34602046700
配置
- 配置名称: default
- 数据文件:
- 分割: train
- 路径: data/train-*
