BigTMiami/imdb_TAPT_pretraining_dataset

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 75408412
num_examples: 11309
- name: test
num_bytes: 92278452
num_examples: 13839
- name: dev
num_bytes: 19050476
num_examples: 2857
download_size: 59521880
dataset_size: 186737340
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: dev
path: data/dev-*
---

原始信息汇总

数据集概述

数据集特征

• input_ids: 数据类型为int32，具有序列性质。
• attention_mask: 数据类型为int8，具有序列性质。
• labels: 数据类型为int64，具有序列性质。

数据集划分

• 训练集 (train): 包含11309个样本，总大小为75408412字节。
• 测试集 (test): 包含13839个样本，总大小为92278452字节。
• 验证集 (dev): 包含2857个样本，总大小为19050476字节。

数据集大小

• 下载大小: 59521880字节。
• 数据集总大小: 186737340字节。

数据文件配置

• 默认配置 (default):
  • 训练集文件路径: data/train-*
  • 测试集文件路径: data/test-*
  • 验证集文件路径: data/dev-*