reginaboateng/pubmed_long_tokenised

--- dataset_info: features: - name: input_ids sequence: int32 - name: token_type_ids sequence: int8 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: - name: train num_bytes: 493127488 num_examples: 119924 - name: validation num_bytes: 27274896 num_examples: 6633 - name: test num_bytes: 27377696 num_examples: 6658 download_size: 153946164 dataset_size: 547780080 --- # Dataset Card for "pubmed_long_tokenised" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: pubmed_long_tokenised

数据集特征

• 特征列表:
  • input_ids: 序列类型为 int32
  • token_type_ids: 序列类型为 int8
  • attention_mask: 序列类型为 int8
  • labels: 序列类型为 int64

数据集分割

• 训练集:
  • 样本数量: 119924
  • 数据大小: 493127488 字节
• 验证集:
  • 样本数量: 6633
  • 数据大小: 27274896 字节
• 测试集:
  • 样本数量: 6658
  • 数据大小: 27377696 字节

数据集大小

• 下载大小: 153946164 字节
• 总数据集大小: 547780080 字节