kothasuhas/dclm_tokenized_n12369_ctx16384
收藏官方服务：
资源简介：
--- dataset_info: features: - name: input_ids sequence: int32 splits: - name: train num_bytes: 810664260 num_examples: 12369 download_size: 406232071 dataset_size: 810664260 configs: - config_name: default data_files: - split: train path: data/train-* ---
数据集信息： 特征列表： - 名称：输入ID序列（input_ids），类型为int32序列 数据集拆分： - 名称：训练集（train），占用字节数：810664260，样本总数：12369 下载大小：406232071 数据集总大小：810664260 配置项： - 配置名称：默认配置（default），数据文件： - 拆分集：训练集，文件路径：data/train-*
提供机构：
kothasuhas
