amd-nicknick/processed_bert_dataset

--- dataset_info: features: - name: input_ids sequence: int32 - name: token_type_ids sequence: int8 - name: attention_mask sequence: int8 - name: special_tokens_mask sequence: int8 splits: - name: train num_bytes: 24027285600.0 num_examples: 6674246 download_size: 5887301738 dataset_size: 24027285600.0 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

数据集特征

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

数据集分割

• train: 包含 6674246 个样本，总字节数为 24027285600.0

数据集大小

• 下载大小: 5887301738 字节
• 数据集大小: 24027285600.0 字节

配置

• default:
  • 数据文件:
    • train: 路径为 data/train-*