bri25yu/flores200_packed2

--- dataset_info: features: - name: id dtype: int32 - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: - name: train num_bytes: 15086599195.0 num_examples: 10240000 - name: val num_bytes: 3827042 num_examples: 5000 - name: test num_bytes: 7670994 num_examples: 10000 download_size: 6552366058 dataset_size: 15098097231.0 --- # Dataset Card for "flores200_packed2" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)数据集信息： 特征列表： - 名称：id，数据类型：32位整数（int32） - 名称：input_ids，序列类型：32位整数（int32）序列 - 名称：attention_mask，序列类型：8位整数（int8）序列 - 名称：labels，序列类型：64位整数（int64）序列 数据集划分： - 名称：训练集（train），字节大小：15086599195.0，样本数量：10240000 - 名称：验证集（val），字节大小：3827042，样本数量：5000 - 名称：测试集（test），字节大小：7670994，样本数量：10000 下载大小：6552366058，数据集总大小：15098097231.0 --- # "flores200_packed2"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

flores200_packed2

数据结构

• id：整数类型，数据类型为 int32。
• input_ids：序列类型，数据类型为 int32。
• attention_mask：序列类型，数据类型为 int8。
• labels：序列类型，数据类型为 int64。

数据分割

• 训练集（train）：包含10240000个样本，占用空间15086599195.0字节。
• 验证集（val）：包含5000个样本，占用空间3827042字节。
• 测试集（test）：包含10000个样本，占用空间7670994字节。

数据集大小

• 下载大小：6552366058字节。
• 总数据集大小：15098097231.0字节。