amitness/logits-mt-ar-512

--- 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: 17102298098.701529 num_examples: 940987 - name: test num_bytes: 3018061158.5240602 num_examples: 166057 download_size: 7348415360 dataset_size: 20120359257.22559 --- # Dataset Card for "logits-mt-ar-512" [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（默认） 数据文件： - 数据拆分：训练集（train），路径：data/train-* - 数据拆分：测试集（test），路径：data/test-* 数据集信息： 特征字段： - 名称：输入ID（input_ids），类型：int32序列 - 名称：Token类型ID（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：教师模型对数几率（teacher_logits），类型：二维float64序列 - 名称：教师模型索引（teacher_indices），类型：二维int64序列 - 名称：教师模型掩码索引（teacher_mask_indices），类型：int64序列 数据拆分详情： - 名称：训练集（train），字节数：17102298098.701529，样本数量：940987 - 名称：测试集（test），字节数：3018061158.5240602，样本数量：166057 下载总大小：7348415360，数据集总大小：20120359257.22559 --- # “logits-mt-ar-512”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

• 默认配置：
  • 训练数据：路径为 data/train-*
  • 测试数据：路径为 data/test-*

数据特征

• 输入ID：序列类型为 int32
• 标记类型ID：序列类型为 int8
• 注意力掩码：序列类型为 int8
• 标签：序列类型为 int64
• 教师对数：序列类型为 float64 的序列
• 教师索引：序列类型为 int64 的序列
• 教师掩码索引：序列类型为 int64

数据分割

• 训练集：
  • 字节数：17102298098.701529
  • 样本数：940987
• 测试集：
  • 字节数：3018061158.5240602
  • 样本数：166057

数据大小

• 下载大小：7348415360 字节
• 数据集大小：20120359257.22559 字节