tj-solergibert/t5-Europarl-en

---
dataset_info:
features:
- name: dest_lang
dtype:
class_label:
names:
'0': de
'1': en
'2': es
'3': fr
'4': it
'5': nl
'6': pl
'7': pt
'8': ro
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 417227830
num_examples: 561067
- name: test
num_bytes: 61238209
num_examples: 80606
- name: valid
num_bytes: 57930051
num_examples: 76911
download_size: 125777513
dataset_size: 536396090
---
# Dataset Card for "t5-Europarl-en"

[More Information needed](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

数据集特征

• dest_lang: 目标语言代码，类别标签包括：
  • 0: de（德语）
  • 1: en（英语）
  • 2: es（西班牙语）
  • 3: fr（法语）
  • 4: it（意大利语）
  • 5: nl（荷兰语）
  • 6: pl（波兰语）
  • 7: pt（葡萄牙语）
  • 8: ro（罗马尼亚语）
• input_ids: 输入ID序列，数据类型为int32。
• attention_mask: 注意力掩码序列，数据类型为int8。
• labels: 标签序列，数据类型为int64。

数据集分割

• train: 训练集，包含561067个样本，总大小为417227830字节。
• test: 测试集，包含80606个样本，总大小为61238209字节。
• valid: 验证集，包含76911个样本，总大小为57930051字节。

数据集大小

• 下载大小: 125777513字节。
• 数据集总大小: 536396090字节。