tuanio/processed_bad_word_cls_dataset

---
dataset_info:
features:
- name: labels
dtype: int64
- name: input_ids
sequence:
sequence: int32
- name: attention_mask
sequence:
sequence: int8
splits:
- name: train
num_bytes: 15208128.0
num_examples: 90000
- name: test
num_bytes: 1689792.0
num_examples: 10000
download_size: 8136371
dataset_size: 16897920.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

特征信息

• labels: 数据类型为 int64
• input_ids: 数据类型为 int32，序列类型
• attention_mask: 数据类型为 int8，序列类型

数据分割

• train: 包含 90000 个样本，占用 15208128.0 字节
• test: 包含 10000 个样本，占用 1689792.0 字节

数据大小

• 下载大小: 8136371 字节
• 数据集大小: 16897920.0 字节

配置信息

• default:
  • train: 文件路径为 data/train-*
  • test: 文件路径为 data/test-*