Mursel/mlsum-tr-gpt2-tokenized

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 5314170808
num_examples: 398842
- name: test
num_bytes: 1328562688
num_examples: 99712
download_size: 456145997
dataset_size: 6642733496
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集元信息：
特征项：
- 名称：输入标识序列（input_ids），为32位整数序列
- 名称：注意力掩码（attention_mask），为8位整数序列
- 名称：标签（labels），为64位整数序列
数据集划分：
- 划分集名称：训练集（train），占用字节数：5314170808，样本数量：398842
- 划分集名称：测试集（test），占用字节数：1328562688，样本数量：99712
下载总大小：456145997 字节
数据集总存储大小：6642733496 字节
数据集配置：
- 配置名称：默认配置（default），数据文件：
- 划分集：训练集，数据路径：data/train-*
- 划分集：测试集，数据路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• input_ids: 序列类型为 int32
• attention_mask: 序列类型为 int8
• labels: 序列类型为 int64

数据集分割

• train:
  • 字节数: 5314170808
  • 样本数: 398842
• test:
  • 字节数: 1328562688
  • 样本数: 99712

数据集大小

• 下载大小: 456145997 字节
• 数据集大小: 6642733496 字节

配置

• default:
  • 训练数据文件路径: data/train-*
  • 测试数据文件路径: data/test-*