dipudl/research-paper-tokenized-dataset
收藏资源简介：
--- dataset_info: features: - name: labels sequence: int64 - name: input_ids sequence: int32 - name: attention_mask sequence: int8 splits: - name: train num_bytes: 1087419951 num_examples: 861228 download_size: 376657164 dataset_size: 1087419951 --- # Dataset Card for "research-paper-tokenized-dataset" [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: labels 序列类型: 64位整数序列 - 名称: input_ids 序列类型: 32位整数序列 - 名称: attention_mask 序列类型: 8位整数序列 数据集划分: - 名称: train 字节大小: 1087419951 样本数量: 861228 下载大小: 376657164 数据集总大小: 1087419951 --- # "研究论文分词数据集"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)
数据集概述
数据集名称
- 名称: research-paper-tokenized-dataset
数据集特征
-
特征1: labels
- 数据类型: int64
- 序列类型: 序列
-
特征2: input_ids
- 数据类型: int32
- 序列类型: 序列
-
特征3: attention_mask
- 数据类型: int8
- 序列类型: 序列
数据集分割
- 分割名称: train
- 数据大小: 1087419951 字节
- 示例数量: 861228
数据集大小
- 下载大小: 376657164 字节
- 总数据大小: 1087419951 字节
