apollo-research/monology-pile-uncopyrighted-tokenizer-gpt2

---
dataset_info:
features:
- name: input_ids
sequence: int32
splits:
- name: train
num_bytes: 196198407000.0
num_examples: 47853270
download_size: 83576335505
dataset_size: 196198407000.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征列表：
- 名称：input_ids，序列类型：int32
数据集划分：
- 名称：train（训练集），占用字节数：196198407000.0，样本总数：47853270
下载大小：83576335505
数据集总大小：196198407000.0
配置项：
- 配置名称：default（默认配置），数据文件：
- 划分：train（训练集），文件路径：data/train-*

原始信息汇总

数据集概述

数据集信息

• 特征:
  • 名称: input_ids
  • 序列类型: int32

数据分割

• 名称: train
  • 字节数: 196198407000.0
  • 样本数: 47853270

数据大小

• 下载大小: 83576335505
• 数据集大小: 196198407000.0

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*