TylerHMC/GigaMIDI-aug-8k

--- dataset_info: features: - name: input_ids list: int32 length: 2048 - name: token_count dtype: int32 - name: split dtype: string splits: - name: train num_bytes: 14487773625 num_examples: 1765725 - name: validation num_bytes: 973607480 num_examples: 118588 download_size: 15450579030 dataset_size: 15461381105 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* ---数据集信息： 特征列表： 1. 输入标识符（input_ids）：类型为int32的列表，固定长度为2048 2. Token计数（token_count）：数据类型为int32 3. 数据集划分标识（split）：数据类型为字符串 数据集拆分信息： 1. 训练集（train）：占用存储空间14487773625字节，共包含1765725条样本 2. 验证集（validation）：占用存储空间973607480字节，共包含118588条样本 该数据集的下载总大小为15450579030字节，解压后总存储大小为15461381105字节 配置项： 1. 默认配置（default）：数据文件路径配置如下： - 训练集对应数据路径：data/train-* - 验证集对应数据路径：data/validation-*