BigTMiami/amazon_1M_reviews_condensed

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 1124384832
num_examples: 168624
- name: validation
num_bytes: 56664664
num_examples: 8498
- name: test
num_bytes: 55691136
num_examples: 8352
download_size: 394253501
dataset_size: 1236740632
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集信息：
特征列表：
- 字段名：输入标识符（input_ids），序列类型：32位整数序列
- 字段名：注意力掩码（attention_mask），序列类型：8位整数序列
- 字段名：标签（labels），序列类型：64位整数序列
数据划分：
- 划分名称：训练集（train），占用字节数：1124384832，样本总数：168624
- 划分名称：验证集（validation），占用字节数：56664664，样本总数：8498
- 划分名称：测试集（test），占用字节数：55691136，样本总数：8352
下载总大小：394253501，数据集总大小：1236740632
数据集配置：
- 配置名称：默认（default），数据文件配置：
- 对应数据划分：训练集（train），文件路径：data/train-*
- 对应数据划分：验证集（validation），文件路径：data/validation-*
- 对应数据划分：测试集（test），文件路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• input_ids: 序列类型为 int32
• attention_mask: 序列类型为 int8
• labels: 序列类型为 int64

数据集划分

• 训练集 (train):
  • 样本数量: 168624
  • 数据大小: 1124384832 字节
• 验证集 (validation):
  • 样本数量: 8498
  • 数据大小: 56664664 字节
• 测试集 (test):
  • 样本数量: 8352
  • 数据大小: 55691136 字节

数据集大小

• 下载大小: 394253501 字节
• 数据集总大小: 1236740632 字节

数据文件配置

• 配置名称: default
• 数据文件路径:
  • 训练集: data/train-*
  • 验证集: data/validation-*
  • 测试集: data/test-*