morten-j/medhie-tokenized-dataset-roots_ar_b50_
收藏官方服务：
资源简介：
--- dataset_info: features: - name: input_ids sequence: int32 - name: token_type_ids sequence: int8 - name: attention_mask sequence: int8 - name: overflow_to_sample_mapping dtype: int64 splits: - name: train num_bytes: 10996868380 num_examples: 13610708 download_size: 2594574242 dataset_size: 10996868380 configs: - config_name: default data_files: - split: train path: data/train-* ---
提供机构：
morten-j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。 - overflow_to_sample_mapping：数据类型为
int64。
数据集划分
- 训练集（train）：
- 数据量：10996868380字节
- 样本数：13610708
数据集大小与下载信息
- 下载大小：2594574242字节
- 数据集总大小：10996868380字节
配置信息
- 配置名称：default
- 数据文件路径：
- 训练集路径：
data/train-*
- 训练集路径：
