mhr2004/plm-train-nsp-1000000-tokenized
收藏Hugging Face2024-04-30 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/mhr2004/plm-train-nsp-1000000-tokenized
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: text
dtype: string
- name: label
dtype: int64
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 1866145274
num_examples: 2000000
download_size: 703671341
dataset_size: 1866145274
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
提供机构：
mhr2004
原始信息汇总
数据集概述
数据集特征
- text：文本数据，数据类型为字符串。
- label：标签数据，数据类型为整数，具体为int64。
- input_ids：输入ID序列，数据类型为整数，具体为int32。
- attention_mask：注意力掩码序列，数据类型为整数，具体为int8。
数据集分割
- train：训练集部分，包含2000000个样本，占用存储空间为1866145274字节。
数据集大小
- 下载大小：703671341字节。
- 数据集总大小：1866145274字节。
配置
- config_name：default
- data_files：
- split：train
- path：data/train-*
