rchan26/english_char_split

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
dataset_info:
features:
- name: word
dtype: string
- name: language
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: special_tokens_mask
sequence: int8
- name: tokens
sequence: string
splits:
- name: train
num_bytes: 5310458
num_examples: 37849
- name: test
num_bytes: 1981786
num_examples: 14123
- name: validation
num_bytes: 2614514
num_examples: 18643
download_size: 2205128
dataset_size: 9906758
---
# Dataset Card for "english_char_split"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

配置

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

数据集信息

• 特征:

  • 名称: word
    • 数据类型: string
  • 名称: language
    • 数据类型: string
  • 名称: input_ids
    • 数据类型: int32 (序列)
  • 名称: attention_mask
    • 数据类型: int8 (序列)
  • 名称: special_tokens_mask
    • 数据类型: int8 (序列)
  • 名称: tokens
    • 数据类型: string (序列)

• 分割:

  • 训练集:
    • 字节数: 5310458
    • 样本数: 37849
  • 测试集:
    • 字节数: 1981786
    • 样本数: 14123
  • 验证集:
    • 字节数: 2614514
    • 样本数: 18643

• 下载大小: 2205128 字节

• 数据集大小: 9906758 字节