Jedalc/imdb_mlm_downsampled

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: word_ids
sequence: int64
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 27200000.0
num_examples: 10000
- name: test
num_bytes: 2720000.0
num_examples: 1000
download_size: 6741894
dataset_size: 29920000.0
---
# Dataset Card for "imdb_mlm_downsampled"

[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：
features:
- name: 输入标识序列（input_ids）
sequence: int32 类型的序列
- name: 注意力掩码（attention_mask）
sequence: int8 类型的序列
- name: 词ID序列（word_ids）
sequence: int64 类型的序列
- name: 标签序列（labels）
sequence: int64 类型的序列
splits:
- name: 训练集
num_bytes: 27200000.0
num_examples: 10000
- name: 测试集
num_bytes: 2720000.0
num_examples: 1000
download_size: 6741894 字节
dataset_size: 29920000.0 字节
---
# 「imdb_mlm_downsampled」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

数据集名称

imdb_mlm_downsampled

数据集特征

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

数据集分割

• 训练集：
  • 数据量：27200000.0字节
  • 样本数：10000
• 测试集：
  • 数据量：2720000.0字节
  • 样本数：1000

数据集大小

• 下载大小：6741894字节
• 总数据集大小：29920000.0字节