shossain/merged-pad-16384

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 2084670148
num_examples: 9787
download_size: 484608278
dataset_size: 2084670148
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "merged-pad-16384"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

dataset_info:
数据集信息：
特征项：
- 名称：输入ID序列（input_ids），序列类型，元素类型为32位整数（int32）
- 名称：注意力掩码（attention_mask），序列类型，元素类型为8位整数（int8）
- 名称：标签（labels），序列类型，元素类型为64位整数（int64）
数据划分：
- 名称：训练集（train），字节占用量：2084670148，样本数量：9787
下载大小：484608278
数据集总占用大小：2084670148
configs:
配置项：
- 配置名称：default（默认配置），数据文件：
- 对应划分集：训练集，数据路径：data/train-*
---
# 「merged-pad-16384」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

特征信息

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

数据分割

• train:
  • 字节数: 2084670148
  • 样本数: 9787

数据大小

• 下载大小: 484608278
• 数据集大小: 2084670148

配置信息

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