gmongaras/BERT_Base_Cased_512_GLUE_Mapped

该数据集来源于HuggingFace的GLUE数据集，并经过BERT_Base_Cased_512_GLUE的适配处理。数据集包含训练、验证和测试三个分割，每个分割的特征包括标签、数据集名称、输入ID、token类型ID和注意力掩码。数据集中超过512个token的句子被移除或截断，原始标签和数据集类别被保留。

原始信息汇总

数据集概述

配置信息

• 默认配置：
  • 训练集：路径为 data/train-*
  • 验证集：路径为 data/validation-*
  • 测试集：路径为 data/test-*

数据集信息

• 特征：

  • label：数据类型为 float64
  • dataset_name：数据类型为 string
  • input_ids：序列类型为 int32
  • token_type_ids：序列类型为 int8
  • attention_mask：序列类型为 int8

• 分割：

  • 训练集：
    • 字节数：232895922
    • 样本数：949728
  • 验证集：
    • 字节数：17255970
    • 样本数：69711
  • 测试集：
    • 字节数：96102951
    • 样本数：425205

• 下载大小：123150665 字节

• 数据集大小：346254843 字节