hasanbahadir/ihale_dataset

该数据集包含两个主要分割：训练集和验证集。训练集包含163,043个样本，占用228,912,372字节；验证集包含18,128个样本，占用25,451,712字节。数据集的总下载大小为120,705,249字节，总大小为254,364,084字节。数据特征包括名为input_ids的序列，其数据类型为int32。

The dataset includes two main splits: a training set and a validation set. The training set contains 163,043 samples, occupying 228,912,372 bytes; the validation set contains 18,128 samples, occupying 25,451,712 bytes. The total download size of the dataset is 120,705,249 bytes, and the total size is 254,364,084 bytes. The data features include a sequence named input_ids, with a data type of int32.

原始信息汇总

数据集概述

特征

• input_ids: 序列类型为 int32。

数据分割

• 训练集 (train):
  • 字节数: 228912372
  • 样本数: 163043
• 验证集 (validation):
  • 字节数: 25451712
  • 样本数: 18128

数据大小

• 下载大小: 120705249 字节
• 数据集总大小: 254364084 字节

配置

• 默认配置 (default):
  • 训练集: data/train-*
  • 验证集: data/validation-*