health360/Ultrachat-Filtered-Multiple-Conversations-Alpaca-Tinyllama-Tokenized

---
dataset_info:
features:
- name: text
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 3332012908
num_examples: 207865
download_size: 1088335043
dataset_size: 3332012908
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "Ultrachat-Filtered-Multiple-Conversations-Alpaca-Tinyllama-Tokenized"

[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：
- 名称：text，数据类型：字符串（string）
- 名称：输入Token序列ID（input_ids），数据类型：32位整数序列
- 名称：注意力掩码（attention_mask），数据类型：8位整数序列
数据集划分：
- 名称：训练集（train），字节大小：3332012908，样本数量：207865
下载大小：1088335043
数据集总大小：3332012908
配置项：
- 配置名称：默认配置（default）
数据文件：
- 划分：训练集（train），路径：data/train-*
---
# 经过滤多轮对话Alpaca-Tinyllama标记化Ultrachat数据集卡片（Ultrachat-Filtered-Multiple-Conversations-Alpaca-Tinyllama-Tokenized）

[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

数据集信息

• 特征:

  • text: 类型为字符串
  • input_ids: 序列类型为int32
  • attention_mask: 序列类型为int8

• 分割:

  • train: 字节数为3332012908，样本数为207865

• 大小:

  • 下载大小: 1088335043
  • 数据集大小: 3332012908

配置

• 默认配置:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*