Sunbird/m2e_6_4_padded_merged_tags_no_augs

--- dataset_info: features: - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: - name: train num_bytes: 4401362036 num_examples: 2626111 - name: valid num_bytes: 4190000 num_examples: 2500 download_size: 388982529 dataset_size: 4405552036 --- # Dataset Card for "m2e_6_4_padded_merged_tags_no_augs" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)--- 数据集信息： 特征字段： - 名称：输入标识（input_ids），类型为int32的序列 - 名称：注意力掩码（attention_mask），类型为int8的序列 - 名称：标签（labels），类型为int64的序列 数据集划分： - 名称：训练集（train），占用字节数：4401362036，样本数量：2626111 - 名称：验证集（valid），占用字节数：4190000，样本数量：2500 下载大小：388982529 数据集总大小：4405552036 --- # "m2e_6_4_padded_merged_tags_no_augs"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

数据集名称

• 名称: m2e_6_4_padded_merged_tags_no_augs

数据集特征

• 特征列表:
  • input_ids: 数据类型为int32，具有序列性质。
  • attention_mask: 数据类型为int8，具有序列性质。
  • labels: 数据类型为int64，具有序列性质。

数据集分割

• 训练集:
  • 样本数量: 2626111
  • 存储大小: 4401362036 字节
• 验证集:
  • 样本数量: 2500
  • 存储大小: 4190000 字节

数据集大小

• 下载大小: 388982529 字节
• 总数据集大小: 4405552036 字节