davanstrien/dataset_cards_with_long_context_embeddins

--- dataset_info: features: - name: id dtype: string - name: lastModified dtype: string - name: tags sequence: string - name: author dtype: string - name: description dtype: string - name: citation dtype: string - name: likes dtype: int64 - name: downloads dtype: int64 - name: created dtype: timestamp[us] - name: card dtype: string - name: card_len dtype: int64 - name: embeddings sequence: sequence: float32 splits: - name: train num_bytes: 334799613.62829113 num_examples: 64462 download_size: 128564352 dataset_size: 334799613.62829113 configs: - config_name: default data_files: - split: train path: data/train-* --- # Dataset Card for "dataset_cards_with_long_context_embeddins" [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： - 字段名：ID（id），数据类型：字符串（string） - 字段名：最后修改时间（lastModified），数据类型：字符串（string） - 字段名：标签（tags），数据类型：字符串序列 - 字段名：作者（author），数据类型：字符串（string） - 字段名：描述（description），数据类型：字符串（string） - 字段名：引用信息（citation），数据类型：字符串（string） - 字段名：点赞数（likes），数据类型：64位整型（int64） - 字段名：下载量（downloads），数据类型：64位整型（int64） - 字段名：创建时间（created），数据类型：微秒级时间戳（timestamp[us]） - 字段名：数据集卡片（card），数据类型：字符串（string） - 字段名：数据集卡片长度（card_len），数据类型：64位整型（int64） - 字段名：嵌入向量（embeddings），数据类型：float32型二维序列 数据拆分： - 拆分名称：训练集（train），占用字节数：334799613.62829113，样本数量：64462 下载体积：128564352 数据集总体积：334799613.62829113 配置项： - 配置名称：默认配置（default），数据文件： - 对应拆分：训练集（train），路径：data/train-* # 「长上下文嵌入数据集卡片」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

数据集信息

• 特征列表:

  • id: 字符串类型
  • lastModified: 字符串类型
  • tags: 字符串序列
  • author: 字符串类型
  • description: 字符串类型
  • citation: 字符串类型
  • likes: 64位整数类型
  • downloads: 64位整数类型
  • created: 时间戳类型（微秒精度）
  • card: 字符串类型
  • card_len: 64位整数类型
  • embeddings: 32位浮点数序列的序列

• 数据分割:

  • train:
    • 字节数: 334799613.62829113
    • 样本数: 64462

• 数据集大小:

  • 下载大小: 128564352
  • 实际大小: 334799613.62829113

配置信息

• 配置名称: default
  • 数据文件:
    • split: train
    • 路径: data/train-*