jmaciejowski/multi_news_tokenized_pegasus

---
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: 717584879
num_examples: 44972
- name: validation
num_bytes: 88146287
num_examples: 5622
- name: test
num_bytes: 89925884
num_examples: 5622
download_size: 478621680
dataset_size: 895657050
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int32序列。
• attention_mask: 数据类型为int8序列。
• labels: 数据类型为int64序列。

数据集划分

• 训练集 (train):
  • 示例数量: 44972
  • 存储大小: 717584879字节
• 验证集 (validation):
  • 示例数量: 5622
  • 存储大小: 88146287字节
• 测试集 (test):
  • 示例数量: 5622
  • 存储大小: 89925884字节

数据集大小

• 下载大小: 478621680字节
• 数据集总大小: 895657050字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*
  • 测试集路径: data/test-*