lizhiqi/processed_bert_dataset

--- dataset_info: features: - name: input_ids sequence: int32 - name: token_type_ids sequence: int8 - name: attention_mask sequence: int8 - name: special_tokens_mask sequence: int8 splits: - name: train num_bytes: 245232000.0 num_examples: 68120 download_size: 71824059 dataset_size: 245232000.0 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

数据集特征

• 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。
• special_tokens_mask：序列类型为int8。

数据集分割

• 训练集（train）：
  • 数据量：68120个样本。
  • 存储大小：245232000.0字节。

数据集大小

• 下载大小：71824059字节。
• 数据集总大小：245232000.0字节。

配置信息

• 默认配置（default）：
  • 训练数据文件路径：data/train-*。