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