gokuls/wiki_book_corpus_complete_processed_bert_dataset

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
- name: special_tokens_mask
sequence: int8
splits:
- name: train
num_bytes: 22201610400.0
num_examples: 6167114
download_size: 2763194793
dataset_size: 22201610400.0
---
# Dataset Card for "wiki_book_corpus_complete_processed_bert_dataset"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
数据集信息：
特征项：
- 名称：input_ids（输入令牌ID序列），序列类型：int32（32位整数）
- 名称：token_type_ids（令牌类型ID序列），序列类型：int8（8位整数）
- 名称：attention_mask（注意力掩码序列），序列类型：int8（8位整数）
- 名称：special_tokens_mask（特殊令牌掩码序列），序列类型：int8（8位整数）
数据集划分：
- 名称：train（训练集），字节大小：22201610400.0，样本数：6167114
下载大小：2763194793
数据集总大小：22201610400.0
---
# "wiki_book_corpus_complete_processed_bert_dataset" 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

数据集名称

• wiki_book_corpus_complete_processed_bert_dataset

数据集特征

• input_ids：整数序列，数据类型为int32。
• token_type_ids：整数序列，数据类型为int8。
• attention_mask：整数序列，数据类型为int8。
• special_tokens_mask：整数序列，数据类型为int8。

数据集分割

• train：
  • 数据量：22201610400.0 字节
  • 示例数量：6167114

数据集大小

• 下载大小：2763194793 字节
• 总数据集大小：22201610400.0 字节