marcohanna/processed_bert_dataset
收藏Hugging Face2023-11-11 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/marcohanna/processed_bert_dataset
下载链接
链接失效反馈官方服务：
资源简介：
---
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: 24027526800.0
num_examples: 6674313
download_size: 5887019660
dataset_size: 24027526800.0
---
# Dataset Card for "processed_bert_dataset"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
---
数据集信息：
特征字段：
- 名称：输入Token ID序列（input_ids），类型：int32型序列
- 名称：令牌类型ID序列（token_type_ids），类型：int8型序列
- 名称：注意力掩码（attention_mask），类型：int8型序列
- 名称：特殊令牌掩码（special_tokens_mask），类型：int8型序列
数据集划分：
- 划分名称：训练集（train），占用字节数：24027526800.0，样本总数：6674313
下载大小：5887019660
数据集总大小：24027526800.0
---
# 「processed_bert_dataset」数据集卡片
需补充更多信息（详见：https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards）
提供机构：
marcohanna
原始信息汇总
数据集概述
数据集信息
特征
- input_ids: 序列类型为 int32
- token_type_ids: 序列类型为 int8
- attention_mask: 序列类型为 int8
- special_tokens_mask: 序列类型为 int8
分割
- train: 包含 6674313 个样本，总字节数为 24027526800.0
大小
- 下载大小: 5887019660 字节
- 数据集大小: 24027526800.0 字节
