kpriyanshu256/MultiTabQA-multitable_pretraining-Salesforce-codet5-base_train-markdown-24000

--- dataset_info: features: - name: input_ids sequence: sequence: int32 - name: attention_mask sequence: sequence: int8 - name: labels sequence: sequence: int64 splits: - name: train num_bytes: 13336000 num_examples: 1000 download_size: 1088515 dataset_size: 13336000 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征集： - 名称：输入标识（input_ids），其数据结构为二维嵌套序列，元素类型为32位整数（int32） - 名称：注意力掩码（attention_mask），其数据结构为二维嵌套序列，元素类型为8位整数（int8） - 名称：标签（labels），其数据结构为二维嵌套序列，元素类型为64位整数（int64） 数据拆分： - 名称：训练集（train），占用字节数为13336000，样本总数为1000 下载大小：1088515 数据集总大小：13336000 配置项： - 配置名称：默认配置（default），数据文件： - 训练拆分对应路径为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int32。
• attention_mask: 序列类型，数据类型为int8。
• labels: 序列类型，数据类型为int64。

数据分割

• train: 包含1000个样本，总字节数为13336000。

数据大小

• 下载大小: 1088515字节。
• 数据集大小: 13336000字节。

配置

• default: 包含训练数据文件，路径为data/train-*。