BenjaminTT/imdb-dataset

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 299146484
num_examples: 44863
- name: test
num_bytes: 713476
num_examples: 107
download_size: 95827885
dataset_size: 299859960
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征：
- 输入序列标识（input_ids）：32位整数序列
- 注意力掩码（attention_mask）：8位整数序列
- 标签（labels）：64位整数序列
数据集划分：
- 训练集（train）：占用字节数299146484，样本数量44863
- 测试集（test）：占用字节数713476，样本数量107
下载大小：95827885字节
总数据集大小：299859960字节
配置项：
- 配置名称：default（默认配置）
数据文件：
- 训练集划分对应数据文件为 data/train-*
- 测试集划分对应数据文件为 data/test-*

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。

数据集划分

• 训练集 (train):
  • 示例数量: 44863
  • 数据大小: 299146484 字节
• 测试集 (test):
  • 示例数量: 107
  • 数据大小: 713476 字节

数据集大小

• 下载大小: 95827885 字节
• 数据集总大小: 299859960 字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*