BigTMiami/amazon_25M_reviews_condensed

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 28736786208
num_examples: 4309656
- name: test
num_bytes: 55744480
num_examples: 8360
- name: val
num_bytes: 56364604
num_examples: 8453
download_size: 9194465354
dataset_size: 28848895292
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: val
path: data/val-*
---

数据集信息：
特征：
- 名称：输入标识序列（input_ids），类型为int32整数序列
- 名称：注意力掩码（attention_mask），类型为int8整数序列
- 名称：标签序列（labels），类型为int64整数序列
数据集拆分：
- 拆分名称：训练集（train），占用字节数：28736786208，样本数量：4309656
- 拆分名称：测试集（test），占用字节数：55744480，样本数量：8360
- 拆分名称：验证集（val），占用字节数：56364604，样本数量：8453
下载大小：9194465354 字节
数据集总大小：28848895292 字节
配置项：
- 配置名称：默认配置（default）
数据文件：
- 训练集拆分路径：data/train-*
- 测试集拆分路径：data/test-*
- 验证集拆分路径：data/val-*

原始信息汇总

数据集概述

数据集特征

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

数据集分割

• 训练集 (train):
  • 示例数量: 4309656
  • 数据大小: 28736786208 字节
• 测试集 (test):
  • 示例数量: 8360
  • 数据大小: 55744480 字节
• 验证集 (val):
  • 示例数量: 8453
  • 数据大小: 56364604 字节

数据集大小

• 下载大小: 9194465354 字节
• 数据集总大小: 28848895292 字节

数据文件配置

• 配置名称: default
• 数据文件路径:
  • 训练集: data/train-*
  • 测试集: data/test-*
  • 验证集: data/val-*