gokuls/wiki_book_corpus_processed_bert_dataset_tiny

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
- name: special_tokens_mask
sequence: int8
splits:
- name: train
num_bytes: 2775200400.0
num_examples: 770889
download_size: 818434567
dataset_size: 2775200400.0
---
# Dataset Card for "wiki_book_corpus_processed_bert_dataset_tiny"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征项列表：
- 名称：输入词元ID（input_ids），序列类型：int32
- 名称：词元类型标识（token_type_ids），序列类型：int8
- 名称：注意力掩码（attention_mask），序列类型：int8
- 名称：特殊词元掩码（special_tokens_mask），序列类型：int8
数据集划分：
- 划分名称：训练集（train），占用字节数：2775200400.0，样本数量：770889
下载大小：818434567
数据集总大小：2775200400.0
---
# 「wiki_book_corpus_processed_bert_dataset_tiny」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

• 名称: wiki_book_corpus_processed_bert_dataset_tiny

数据集特征

• 特征列表:
  • input_ids: 数据类型为int32的序列。
  • token_type_ids: 数据类型为int8的序列。
  • attention_mask: 数据类型为int8的序列。
  • special_tokens_mask: 数据类型为int8的序列。

数据集分割

• 分割详情:
  • train: 包含770889个样本，数据大小为2775200400.0字节。

数据集大小

• 下载大小: 818434567字节
• 总数据大小: 2775200400.0字节