PY007/slimpajama_Yi1.5_tokenized_upsample_4096_chunk_256K

---
dataset_info:
features:
- name: input_ids
sequence: int64
- name: labels
dtype: int64
- name: source
list:
- name: end
dtype: int64
- name: source
dtype: string
- name: start
dtype: int64
splits:
- name: train
num_bytes: 15354090447
num_examples: 7484
download_size: 2875542188
dataset_size: 15354090447
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集信息

特征

• input_ids: 序列类型，数据类型为int64
• labels: 数据类型为int64
• source: 列表类型，包含以下子项：
  • end: 数据类型为int64
  • source: 数据类型为string
  • start: 数据类型为int64

数据分割

• train: 包含7484个样本，总字节数为15354090447

数据集大小

• 下载大小: 2875542188字节
• 数据集大小: 15354090447字节

配置

• default:
  • 数据文件:
    • train: 路径为data/train-*