Dmitriy007/Lenta_2_v2

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 699990424
num_examples: 51334
- name: validation
num_bytes: 69734504
num_examples: 5114
- name: test
num_bytes: 74438924
num_examples: 5459
download_size: 265249928
dataset_size: 844163852
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集信息：
特征：
- 名称：输入Token标识（input_ids），数据序列类型：32位整型序列
- 名称：注意力掩码（attention_mask），数据序列类型：8位整型序列
- 名称：标签（labels），数据序列类型：64位整型序列
数据集划分：
- 划分名称：训练集（train），字节大小：699990424，样本数量：51334
- 划分名称：验证集（validation），字节大小：69734504，样本数量：5114
- 划分名称：测试集（test），字节大小：74438924，样本数量：5459
下载大小：265249928，数据集总大小：844163852
配置项：
- 配置名称：默认配置（default），数据文件：
- 训练集划分：数据路径为data/train-*
- 验证集划分：数据路径为data/validation-*
- 测试集划分：数据路径为data/test-*

原始信息汇总

数据集概述

特征信息

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

数据分割

• 训练集 (train):
  • 字节数: 699990424
  • 样本数: 51334
• 验证集 (validation):
  • 字节数: 69734504
  • 样本数: 5114
• 测试集 (test):
  • 字节数: 74438924
  • 样本数: 5459

数据集大小

• 下载大小: 265249928 字节
• 数据集总大小: 844163852 字节

配置信息

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