qbwmwsap/stackoverflow_processed

---
dataset_info:
features:
- name: token_ids
sequence: int64
- name: source
dtype: string
splits:
- name: train
num_bytes: 176193061000
num_examples: 10720600
download_size: 39208740499
dataset_size: 176193061000
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息（dataset_info）：
特征项：
- 名称：token_ids（Token IDs），数据格式：int64整数序列
- 名称：source（源数据），数据类型：字符串
数据集划分：
- 划分名称：train（训练集），字节占用量：176193061000，样本数量：10720600
下载体积：39208740499
数据集总存储体积：176193061000
配置项（configs）：
- 配置名称：default（默认配置），数据文件列表：
- 对应划分：train（训练集），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• token_ids: 序列类型为 int64。
• source: 数据类型为 string。

数据集划分

• train:
  • 示例数量: 10720600
  • 数据大小: 176193061000 字节

数据集大小

• 下载大小: 39208740499 字节
• 数据集总大小: 176193061000 字节

配置信息

• config_name: default
• data_files:
  • split: train
  • path: data/train-*