hyperdemocracy/usc-llm-tokens-bert-base-uncased-1024

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 1038968696
num_examples: 202607
- name: validation
num_bytes: 87786232
num_examples: 17119
- name: test
num_bytes: 85022240
num_examples: 16580
download_size: 291273901
dataset_size: 1211777168
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
• attention_mask: 序列类型为 int8

数据集划分

• 训练集:
  • 样本数量: 202607
  • 存储大小: 1038968696 字节
• 验证集:
  • 样本数量: 17119
  • 存储大小: 87786232 字节
• 测试集:
  • 样本数量: 16580
  • 存储大小: 85022240 字节

数据集大小

• 下载大小: 291273901 字节
• 数据集总大小: 1211777168 字节

数据文件配置

• 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-*