KanishkT123/c4-10k-tokenized-phi3

该数据集包含一个名为train的分割，共有41620个样本，每个样本的特征为int32类型的input_ids序列。数据集的总大小为21475920字节，下载大小为11966562字节。数据文件路径为data/train-*。

The dataset includes a split named train with 41,620 samples, each featuring a sequence of input_ids of type int32. The total size of the dataset is 21,475,920 bytes, with a download size of 11,966,562 bytes. The data files are located at data/train-*.

原始信息汇总

数据集概述

特征

• 名称: input_ids
• 类型: int32

数据集分割

• 名称: train
  • 字节数: 21475920.0
  • 样本数: 41620

数据集大小

• 下载大小: 11966562
• 数据集大小: 21475920.0

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*