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