ahmetsalihK/tokenized_train_news_classification

该数据集包含四个主要特征：标签（label，数据类型为int64）、输入ID序列（input_ids，数据类型为int32）、token类型ID序列（token_type_ids，数据类型为int8）和注意力掩码序列（attention_mask，数据类型为int8）。数据集分为一个训练集（train），包含264,585个样本，总大小为818,096,820字节。下载大小为162,376,871字节。数据集的配置名为default，数据文件路径为data/train-*。

The dataset contains four main features: label (data type int64), input_ids (sequence of input IDs, data type int32), token_type_ids (sequence of token type IDs, data type int8), and attention_mask (sequence of attention masks, data type int8). The dataset is divided into one training set (train) containing 264,585 samples, with a total size of 818,096,820 bytes. The download size is 162,376,871 bytes. The dataset configuration is named default, and the data file path is data/train-*.

原始信息汇总

数据集概述

数据集特征

• label: 标签，数据类型为 int64。
• input_ids: 输入ID序列，数据类型为 int32。
• token_type_ids: 标记类型ID序列，数据类型为 int8。
• attention_mask: 注意力掩码序列，数据类型为 int8。

数据集分割

• train: 训练集，包含 264585 个样本，总大小为 818096820 字节。

数据集大小

• 下载大小: 162376871 字节。
• 数据集总大小: 818096820 字节。

配置

• default: 默认配置，包含训练集数据文件路径为 data/train-*。