santosale/processed_bert_icar_dataset

---
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: 24027462000.0
num_examples: 6674295
download_size: 5887380197
dataset_size: 24027462000.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• 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（train）：
  • 数据量：6674295个样本。
  • 存储大小：24027462000.0字节。

数据集大小

• 下载大小：5887380197字节。
• 数据集总大小：24027462000.0字节。

配置信息

• 默认配置（default）：
  • 训练集文件路径模式：data/train-*。