登录后查看消息通知
搜索
常见问题
消息
登录
Ba2han/1711-mix_tokenized
收藏
Hugging Face
2025-11-17 更新
2025-12-20 收录
下载链接:
https://hf-mirror.com/datasets/Ba2han/1711-mix_tokenized
下载链接
链接失效反馈
官方服务:
购买咨询
问题咨询
资源简介:
# Tokenized version of Ba2han/1711-mix-pt-tr Generated automatically.
应用场景:
提供机构:
Ba2han
相关数据集
Ba2han/tokenized-mix
--- tags: - turkey - english - tokenized --- # Tokenized Mix Dataset Processed using `PleIAs/Baguettotron` tokenizer. **Total Rows:** 63,600,000 **Total Tokens:** 14,517,689,787 ## Dataset Token Co
Hugging Face
2025-11-27 更新
6
0
Ba2han/mixed-tokenized_2811
--- dataset_info: features: - name: input_ids list: int32 splits: - name: train_chunk_1 num_bytes: 3274400000 num_examples: 200000 - name: train_chunk_2 num_bytes: 3274400000
Hugging Face
2025-11-29 更新
6
0
Ba2han/filtered_tokenized_mix_031125
该数据集包含三个特征字段:长度(length),输入ID(input_ids),注意力掩码(attention_mask)。数据集被划分为一个训练集,包含超过2100万个样本,总大小约为4.88GB。数据集适用于需要处理序列数据,特别是那些使用注意力机制的模型。
Hugging Face
2025-11-03 更新
4
0
Ba2han/1711-mix-pt-tr
--- license: apache-2.0 task_categories: - text-generation size_categories: - 10M<n<100M --- # Turkish Language Dataset Mix (1711-mix-pt-tr) This dataset is a curated collection of Turkish language
Hugging Face
2025-11-17 更新
3
0
Ba2han/English_mix-tokenized
--- dataset_info: features: - name: input_ids sequence: uint32 config_name: default --- # English Mix Tokenized (uint32) Processed and tokenized dataset mix. ## Settings - **Min Chars**:
Hugging Face
2026-03-23 更新
1
0
© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15
沪公网安备31010402336585号
热门搜索
社区交流群
科研交流群
商业服务
数据资源
寻源服务
数据采集
标注服务
数据产品
代理销售
数据领域
凭证登记
数据产品
介绍推广