nihaomur/breeze7B_tokenized_med

---
dataset_info:
features:
- name: output
dtype: string
- name: input
dtype: string
- name: instruction
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 1089133996.6720784
num_examples: 639794
- name: validation
num_bytes: 272284350.32792157
num_examples: 159949
download_size: 625233880
dataset_size: 1361418347.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

原始信息汇总

数据集概述

数据集特征

• output: 数据类型为字符串。
• input: 数据类型为字符串。
• instruction: 数据类型为字符串。
• input_ids: 序列类型为32位整数。
• attention_mask: 序列类型为8位整数。

数据集分割

• 训练集 (train):
  • 示例数量: 639794
  • 数据大小: 1089133996.6720784字节
• 验证集 (validation):
  • 示例数量: 159949
  • 数据大小: 272284350.32792157字节

数据集大小

• 下载大小: 625233880字节
• 数据集总大小: 1361418347.0字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*