HealthTeam/350k_dataset_health_ar_en_th_tokenized
收藏Hugging Face2023-02-07 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/HealthTeam/350k_dataset_health_ar_en_th_tokenized
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: inputs
dtype: string
- name: targets
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 744995253
num_examples: 1075552
- name: validation
num_bytes: 26752860
num_examples: 40432
- name: test
num_bytes: 26752860
num_examples: 40432
download_size: 294054766
dataset_size: 798500973
---
# Dataset Card for "350k_dataset_health_ar_en_th_tokenized"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
HealthTeam
原始信息汇总
数据集概述
数据集名称
- 350k_dataset_health_ar_en_th_tokenized
数据集特征
- inputs: 数据类型为字符串。
- targets: 数据类型为字符串。
- input_ids: 序列类型，数据类型为int32。
- attention_mask: 序列类型，数据类型为int8。
- labels: 序列类型，数据类型为int64。
数据集分割
- 训练集 (train):
- 样本数量: 1075552
- 数据大小: 744995253 字节
- 验证集 (validation):
- 样本数量: 40432
- 数据大小: 26752860 字节
- 测试集 (test):
- 样本数量: 40432
- 数据大小: 26752860 字节
数据集大小
- 下载大小: 294054766 字节
- 数据集总大小: 798500973 字节
