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-*