erkamk/trnews-augmented-tokenized

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 1438957394
num_examples: 277573
- name: validation
num_bytes: 76741320
num_examples: 14610
- name: test
num_bytes: 79570718
num_examples: 15379
download_size: 498840552
dataset_size: 1595269432
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

• 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。
• labels: 序列类型为 int64。

数据集划分

• 训练集 (train):
  • 示例数量: 277573
  • 数据大小: 1438957394 字节
• 验证集 (validation):
  • 示例数量: 14610
  • 数据大小: 76741320 字节
• 测试集 (test):
  • 示例数量: 15379
  • 数据大小: 79570718 字节

数据集大小

• 下载大小: 498840552 字节
• 数据集总大小: 1595269432 字节

配置文件

• 配置名称: default
• 数据文件路径:
  • 训练集: data/train-*
  • 验证集: data/validation-*
  • 测试集: data/test-*