BigTMiami/imdb_TAPT_pretraining_dataset
收藏资源简介：
--- 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-* ---
数据集信息： 特征： - 名称：input_ids，数据类型为int32序列 - 名称：attention_mask（注意力掩码），数据类型为int8序列 - 名称：labels（标签），数据类型为int64序列 数据集划分： - 划分名称：train（训练集），字节占用量：75408412，样本总数：11309 - 划分名称：test（测试集），字节占用量：92278452，样本总数：13839 - 划分名称：dev（验证集），字节占用量：19050476，样本总数：2857 下载总大小：59521880 字节 数据集总存储大小：186737340 字节 配置项： - 配置名称：default（默认配置），数据文件路径： - 训练集划分：对应路径为data/train-* - 测试集划分：对应路径为data/test-* - 验证集划分：对应路径为data/dev-*
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-*
- 训练集文件路径:
