kpriyanshu256/MultiTabQA-multitable_pretraining-Salesforce-codet5-base_train-markdown-84000

---
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: 1068094
dataset_size: 13336000
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征列表：
- 特征名称：输入标识（input_ids），其数据类型为嵌套序列，内层序列元素类型为32位整型（int32）
- 特征名称：注意力掩码（attention_mask），其数据类型为嵌套序列，内层序列元素类型为8位整型（int8）
- 特征名称：标签（labels），其数据类型为嵌套序列，内层序列元素类型为64位整型（int64）
数据集划分：
- 划分名称：训练集（train），占用字节数：13336000，样本总数：1000
下载总大小：1068094 字节，数据集存储总大小：13336000 字节
数据集配置：
- 配置名称：默认配置（default），数据文件配置如下：
- 对应训练集划分，数据文件路径为 data/train-*

原始信息汇总

数据集概述

数据特征

• input_ids: 序列数据，类型为int32。
• attention_mask: 序列数据，类型为int8。
• labels: 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: 1068094字节。
• 数据集大小: 13336000字节。

配置

• default: 包含训练数据文件，路径为data/train-*。