falba/tokenized_news

---
dataset_info:
features:
- name: document
dtype: string
- name: summary
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 718340963
num_examples: 44972
- name: validation
num_bytes: 88249992
num_examples: 5622
- name: test
num_bytes: 90021297
num_examples: 5622
download_size: 475946858
dataset_size: 896612252
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• document: 数据类型为字符串。
• summary: 数据类型为字符串。
• input_ids: 数据类型为整数序列，具体为int32。
• attention_mask: 数据类型为整数序列，具体为int8。
• labels: 数据类型为整数序列，具体为int64。

数据集分割

• 训练集: 包含44972个样本，占用718340963字节。
• 验证集: 包含5622个样本，占用88249992字节。
• 测试集: 包含5622个样本，占用90021297字节。

数据集大小

• 下载大小: 475946858字节。
• 数据集总大小: 896612252字节。

数据文件配置

• 配置名称: default
• 数据文件路径:
  • 训练集: data/train-*
  • 验证集: data/validation-*
  • 测试集: data/test-*