nicolauduran45/affilgood-mBART-ror

--- license: mit dataset_info: features: - name: input dtype: string - name: output dtype: string - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: - name: train num_bytes: 20157559412 num_examples: 1499448 - name: val num_bytes: 67217845 num_examples: 5000 download_size: 61503401 dataset_size: 20224777257 configs: - config_name: default data_files: - split: train path: data/train-* - split: val path: data/val-* ---许可证：MIT许可证 数据集元信息： 特征字段： - 字段名：input，数据类型：字符串（string） - 字段名：output，数据类型：字符串（string） - 字段名：input_ids，为元素类型int32的序列 - 字段名：attention_mask（注意力掩码），为元素类型int8的序列 - 字段名：labels，为元素类型int64的序列 数据集划分： - 划分名称：train（训练集），字节大小：20157559412，样本总数：1499448 - 划分名称：val（验证集），字节大小：67217845，样本总数：5000 下载大小：61503401字节 总数据集大小：20224777257字节 配置项： - 配置名称：default（默认配置），数据文件路径： - 训练集对应数据文件路径：data/train-* - 验证集对应数据文件路径：data/val-*

原始信息汇总

数据集概述

数据集特征

• input: 数据类型为字符串。
• output: 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。

数据集划分

• 训练集(train): 包含1499448个样本，总大小为20157559412字节。
• 验证集(val): 包含5000个样本，总大小为67217845字节。

数据集大小

• 下载大小: 61503401字节。
• 总数据集大小: 20224777257字节。

数据文件配置

• 默认配置(default):
  • 训练集路径: data/train-*
  • 验证集路径: data/val-*