falba/tokenized_news_2

---
dataset_info:
features:
- name: document
dtype: string
- name: summary
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 860380944
num_examples: 44972
- name: validation
num_bytes: 105896194
num_examples: 5622
- name: test
num_bytes: 107677911
num_examples: 5622
download_size: 536056058
dataset_size: 1073955049
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• document: 数据类型为字符串。
• summary: 数据类型为字符串。
• input_ids: 数据类型为32位整数序列。
• attention_mask: 数据类型为8位整数序列。
• labels: 数据类型为64位整数序列。

数据集分割

• 训练集: 包含44972个样本，总大小为860380944字节。
• 验证集: 包含5622个样本，总大小为105896194字节。
• 测试集: 包含5622个样本，总大小为107677911字节。

数据集大小

• 下载大小: 536056058字节。
• 数据集总大小: 1073955049字节。

配置文件

• 默认配置:
  • 训练数据路径: data/train-*
  • 验证数据路径: data/validation-*
  • 测试数据路径: data/test-*