mhr2004/plm-train-nsp-1000000-tokenized
收藏官方服务：
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-*
