kpriyanshu256/MultiTabQA-multitable_pretraining-Salesforce-codet5-base_train-latex-combined

---
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: 1633139896
num_examples: 122461
download_size: 123866375
dataset_size: 1633139896
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息（dataset_info）：
特征：
- 名称：输入标识（input_ids），类型为序列，序列元素类型为int32
- 名称：注意力掩码（attention_mask），类型为序列，序列元素类型为int8
- 名称：标签（labels），类型为序列，序列元素类型为int64
数据拆分：
- 名称：训练集（train），占用字节数：1633139896，样本数量：122461
下载大小：123866375 字节
数据集总大小：1633139896 字节
配置：
- 配置名称：默认（default），数据文件：
- 对应拆分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• 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。

数据集划分

• train:
  • 数据量: 1633139896 字节
  • 示例数量: 122461

数据集大小与下载信息

• 下载大小: 123866375 字节
• 数据集大小: 1633139896 字节

配置信息

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