p1atdev/dart-tokenized-pretrain-20240219
收藏Hugging Face2024-02-19 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/p1atdev/dart-tokenized-pretrain-20240219
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: tag_text
dtype: string
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 4086741056
num_examples: 5293004
download_size: 1355055068
dataset_size: 4086741056
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
提供机构：
p1atdev
原始信息汇总
数据集概述
数据集特征
- tag_text: 数据类型为字符串。
- 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。
数据集分割
- train: 包含5293004个样本，占用4086741056字节。
数据集大小
- 下载大小: 1355055068字节。
- 数据集大小: 4086741056字节。
配置
- default: 包含训练数据文件，路径为
data/train-*。
