acloudfan/wikismall-bert-pre-processed

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: special_tokens_mask
sequence: int8
splits:
- name: train
num_bytes: 24609228
num_examples: 7945
- name: validation
num_bytes: 2730690
num_examples: 883
download_size: 1204901
dataset_size: 27339918
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

原始信息汇总

数据集概述

特征信息

• input_ids: 序列类型为int32
• attention_mask: 序列类型为int8
• special_tokens_mask: 序列类型为int8

数据分割

• 训练集 (train):
  • 字节数: 24609228
  • 样本数: 7945
• 验证集 (validation):
  • 字节数: 2730690
  • 样本数: 883

数据集大小

• 下载大小: 1204901 字节
• 数据集总大小: 27339918 字节

配置信息

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