kghanlon/processed_SOTUs_parliament_texts

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 3612825824
num_examples: 2155624
download_size: 1049504347
dataset_size: 3612825824
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 输入ID序列（input_ids）：序列数据类型为int32
- 注意力掩码（attention_mask）：序列数据类型为int8
- 标签序列（labels）：序列数据类型为int64
数据集拆分：
- 拆分名称：训练集（train），字节占用量：3612825824，样本总数：2155624
下载大小：1049504347，数据集总存储大小：3612825824
配置项：
- 配置名称：默认配置（default），数据文件：
- 对应拆分：训练集（train），文件路径：data/train-*

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

• train: 包含 2155624 个样本，占用 3612825824 字节

数据集大小

• 下载大小: 1049504347 字节
• 数据集大小: 3612825824 字节

配置信息

• config_name: default
• data_files:
  • split: train
  • path: data/train-*