carles-undergrad-thesis/en-id-parallel-sentences-embedding-vbert
收藏Hugging Face2023-12-06 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/carles-undergrad-thesis/en-id-parallel-sentences-embedding-vbert
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: text_en
dtype: string
- name: text_id
dtype: string
- name: target_embedding
sequence: float32
- name: input_ids_en
sequence: int64
- name: attention_mask_en
sequence: int64
- name: token_type_ids_en
sequence: int64
- name: input_ids_id
sequence: int64
- name: attention_mask_id
sequence: int64
- name: token_type_ids_id
sequence: int64
splits:
- name: train
num_bytes: 15780096944
num_examples: 1000000
download_size: 4104220800
dataset_size: 15780096944
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
提供机构：
carles-undergrad-thesis
原始信息汇总
数据集信息
特征
- text_en: 类型为字符串
- text_id: 类型为字符串
- target_embedding: 序列类型为float32
- input_ids_en: 序列类型为int64
- attention_mask_en: 序列类型为int64
- token_type_ids_en: 序列类型为int64
- input_ids_id: 序列类型为int64
- attention_mask_id: 序列类型为int64
- token_type_ids_id: 序列类型为int64
数据分割
- train: 包含1,000,000个样本，总字节数为15,780,096,944
数据集大小
- 下载大小: 4,104,220,800字节
- 数据集大小: 15,780,096,944字节
配置
- default: 包含训练数据文件，路径为
data/train-*
