zhangsirhw/sae-roneneldan-TinyStories-tokenizer-gpt2

该数据集包含一个名为train的分割，共有525个示例，数据文件大小为539700字节。数据集的特征包括一个名为input_ids的序列，其数据类型为int32。数据集的下载大小为346307字节。

The dataset includes a split named train with 525 examples and a data file size of 539700 bytes. The features of the dataset include a sequence named input_ids with a data type of int32. The download size of the dataset is 346307 bytes.

原始信息汇总

数据集概述

特征

• input_ids: 数据类型为 int32 的序列。

数据分割

• train:
  • 样本数量: 525
  • 数据大小: 539700.0 字节

数据集大小

• 下载大小: 346307 字节
• 数据集总大小: 539700.0 字节

配置

• default:
  • 数据文件路径: data/train-*