mhr2004/plm-train-nsp-100000-tokenized

---
dataset_info:
features:
- name: text
dtype: string
- name: label
dtype: int64
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 186644050
num_examples: 200000
download_size: 70346063
dataset_size: 186644050
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征列表：
- 特征名：text，数据类型：字符串（string）
- 特征名：label，数据类型：64位整数（int64）
- 特征名：输入ID序列（input_ids），数据类型：32位整数序列
- 特征名：注意力掩码（attention_mask），数据类型：8位整数序列
数据集划分：
- 划分名称：训练集（train），占用字节数：186644050，样本总量：200000
下载总大小：70346063字节，数据集存储总大小：186644050字节
配置列表：
- 配置名称：默认配置（default），数据文件信息：
- 对应数据集划分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• text：文本数据，数据类型为字符串。
• label：标签数据，数据类型为整数64位。
• input_ids：输入ID序列，数据类型为整数32位。
• attention_mask：注意力掩码序列，数据类型为整数8位。

数据集分割

• 训练集：包含200000个样本，总大小为186644050字节。

数据集大小

• 下载大小：70346063字节。
• 数据集总大小：186644050字节。

配置信息

• 默认配置：
  • 数据文件路径格式：data/train-*。