gokuls/wiki_book_corpus_processed_bert_dataset_small

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
- name: special_tokens_mask
sequence: int8
splits:
- name: train
num_bytes: 5550400800.0
num_examples: 1541778
download_size: 1636779213
dataset_size: 5550400800.0
---
# Dataset Card for "wiki_book_corpus_processed_bert_dataset_small"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征项：
- 名称：输入ID序列（input_ids），序列类型：int32
- 名称：Token类型ID序列（token_type_ids），序列类型：int8
- 名称：注意力掩码序列（attention_mask），序列类型：int8
- 名称：特殊Token掩码序列（special_tokens_mask），序列类型：int8
数据集划分：
- 名称：训练集（train），占用字节数：5550400800.0，样本数量：1541778
下载大小：1636779213
数据集总大小：5550400800.0

# 「wiki_book_corpus_processed_bert_dataset_small」数据集卡片

[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

数据集名称

• 名称: wiki_book_corpus_processed_bert_dataset_small

数据集特征

• 特征列表:
  • 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
  • special_tokens_mask: 序列类型为 int8

数据集分割

• 训练集:
  • 样本数量: 1541778
  • 数据大小: 5550400800.0 字节

数据集大小

• 下载大小: 1636779213 字节
• 总数据大小: 5550400800.0 字节