kpriyanshu256/MultiTabQA-multitable_pretraining-Salesforce-codet5-base_train-latex-15000

---
dataset_info:
features:
- name: input_ids
sequence:
sequence: int32
- name: attention_mask
sequence:
sequence: int8
- name: labels
sequence:
sequence: int64
splits:
- name: train
num_bytes: 13336000
num_examples: 1000
download_size: 1026188
dataset_size: 13336000
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征包含以下三项：
1. 输入标识（input_ids）：二维整数序列，元素类型为32位整型（int32）
2. 注意力掩码（attention_mask）：二维整数序列，元素类型为8位整型（int8）
3. 标签（labels）：二维整数序列，元素类型为64位整型（int64）

数据集划分如下：
训练集（train）：字节占用量为13336000字节，样本总数为1000。
该数据集的下载大小为1026188字节，总数据集存储大小为13336000字节。

配置项详情：
包含一个默认配置（default），其数据文件配置为：训练集对应的数据文件路径为data/train-*。

原始信息汇总

数据集概述

特征信息

• 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

• train: 包含1000个样本，总字节数为13336000。

数据集大小

• 下载大小: 1026188字节。
• 数据集大小: 13336000字节。

配置信息

• default: 包含训练数据文件，路径为data/train-*。