amitness/logits-combined

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
- name: teacher_logits
sequence:
sequence: float64
- name: teacher_indices
sequence:
sequence: int64
- name: teacher_mask_indices
sequence: int64
splits:
- name: train
num_bytes: 28585177263.6597
num_examples: 1796265
- name: test
num_bytes: 5044459896.301617
num_examples: 316989
download_size: 12070717476
dataset_size: 33629637159.961315
---
# Dataset Card for "logits-combined"

[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
数据文件：
- 数据集拆分：训练集（train），路径：data/train-*
- 数据集拆分：测试集（test），路径：data/test-*
数据集信息：
特征字段：
- 名称：输入令牌编号（input_ids），类型：int32序列
- 名称：令牌类型编号（token_type_ids），类型：int8序列
- 名称：注意力掩码（attention_mask），类型：int8序列
- 名称：标签（labels），类型：int64序列
- 名称：教师模型logits（teacher_logits），类型：float64二维序列
- 名称：教师模型索引（teacher_indices），类型：int64二维序列
- 名称：教师模型掩码索引（teacher_mask_indices），类型：int64序列
数据集拆分详情：
- 拆分名称：训练集（train），占用字节数：28585177263.6597，样本数量：1796265
- 拆分名称：测试集（test），占用字节数：5044459896.301617，样本数量：316989
下载总大小：12070717476 字节
数据集总占用大小：33629637159.961315 字节
---
# 「logits-combined」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

• input_ids：序列类型为 int32
• token_type_ids：序列类型为 int8
• attention_mask：序列类型为 int8
• labels：序列类型为 int64
• teacher_logits：序列类型为 float64
• teacher_indices：序列类型为 int64
• teacher_mask_indices：序列类型为 int64

数据集分割

• 训练集 (name: train)
  • 数据量：约 28585177263.66 字节
  • 样本数：1796265
• 测试集 (name: test)
  • 数据量：约 5044459896.30 字节
  • 样本数：316989

数据集大小

• 下载大小：约 12070717476 字节
• 总数据集大小：约 33629637159.96 字节