Hermann-Meier/bert

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
- name: next_sentence_label
dtype: int64
splits:
- name: test
num_bytes: 21409008
num_examples: 6924
- name: train
num_bytes: 56014672
num_examples: 18116
- name: validation
num_bytes: 3521788
num_examples: 1139
download_size: 4050391
dataset_size: 80945468
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

原始信息汇总

数据集概述

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。
• next_sentence_label：数据类型为int64。

数据集分割

• 测试集（test）：包含6924个样本，总大小为21409008字节。
• 训练集（train）：包含18116个样本，总大小为56014672字节。
• 验证集（validation）：包含1139个样本，总大小为3521788字节。

数据集大小

• 下载大小：4050391字节。
• 数据集总大小：80945468字节。

配置文件

• 默认配置（default）：
  • 测试集路径：data/test-*
  • 训练集路径：data/train-*
  • 验证集路径：data/validation-*