Heyzews/proj-3931-ds-500k-tokens

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: input_ids
sequence: int32
splits:
- name: train
num_bytes: 1787915700
num_examples: 436077
- name: test
num_bytes: 446924600
num_examples: 109006
download_size: 115324428
dataset_size: 2234840300
---
# Dataset Card for "proj-3931-ds-500k-tokens"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
配置项：
- 配置名称：default（默认配置）
数据文件：
- 拆分集：训练集，路径：data/train-*
- 拆分集：测试集，路径：data/test-*
数据集信息：
特征：
- 名称：输入标识（input_ids），序列类型为 int32（32 位整数）
拆分集：
- 名称：训练集，字节大小：1787915700，样本数量：436077
- 名称：测试集，字节大小：446924600，样本数量：109006
下载大小：115324428 字节
总数据集大小：2234840300 字节
---
# 「proj-3931-ds-500k-tokens」数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

配置信息

• 默认配置 (config_name: default)
  • 训练数据 (split: train)：路径为 data/train-*
  • 测试数据 (split: test)：路径为 data/test-*

数据集特征

• 特征名称：input_ids
• 数据类型：int32（序列类型）

数据集分割

• 训练集 (split: train)
  • 数据量：1787915700 字节
  • 样本数：436077
• 测试集 (split: test)
  • 数据量：446924600 字节
  • 样本数：109006

数据集大小

• 下载大小：115324428 字节
• 总数据集大小：2234840300 字节