kpriyanshu256/MultiTabQA-multitable_pretraining-Salesforce-codet5-base_train-html-87000

---
dataset_info:
features:
- name: input_ids
sequence:
sequence: int32
- name: attention_mask
sequence:
sequence: int8
- name: labels
sequence:
sequence: int64
splits:
- name: train
num_bytes: 13336000
num_examples: 1000
download_size: 652798
dataset_size: 13336000
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 名称为输入ID序列（input_ids），类型为嵌套序列，元素为32位整数（int32）
- 名称为注意力掩码（attention_mask），类型为嵌套序列，元素为8位整数（int8）
- 名称为标签（labels），类型为嵌套序列，元素为64位整数（int64）
数据集划分：
- 名称为训练集（train），数据字节数为13336000，样本总数为1000
下载大小：652798字节
数据集总大小：13336000字节
配置项：
- 配置名称为默认配置（default），数据文件配置为：训练划分对应的数据路径为data/train-*

原始信息汇总

数据集概述

特征信息

• input_ids: 整数序列，数据类型为 int32。
• attention_mask: 整数序列，数据类型为 int8。
• labels: 整数序列，数据类型为 int64。

数据分割

• train: 包含 1000 个样本，总字节数为 13336000。

数据集大小

• 下载大小: 652798 字节。
• 数据集大小: 13336000 字节。

配置信息

• config_name: default
• data_files:
  • split: train
  • path: data/train-*