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