pbelcak/pmc-train-2100000-to-2200000-GemmaTokens
收藏Hugging Face2024-05-08 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/pbelcak/pmc-train-2100000-to-2200000-GemmaTokens
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 7090180656
num_examples: 1432232
download_size: 2412834619
dataset_size: 7090180656
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
---
数据集信息：
特征字段：
- 字段名：输入Token序列（input_ids），数据类型为int32的序列
- 字段名：注意力掩码（attention_mask），数据类型为int8的序列
数据集拆分：
- 拆分名称：训练集（train），字节占用量：7090180656，样本总数：1432232
下载大小：2412834619
数据集总大小：7090180656
配置项：
- 配置名称：默认配置（default），数据文件：
- 对应训练集拆分，文件路径：data/train-*
---
提供机构：
pbelcak
原始信息汇总
数据集概述
数据集特征
-
input_ids
- 数据类型：int32
- 序列类型：sequence
-
attention_mask
- 数据类型：int8
- 序列类型：sequence
数据集分割
- 训练集（train）
- 数据量：7090180656字节
- 样本数：1432232
数据集大小
- 下载大小：2412834619字节
- 数据集总大小：7090180656字节
配置信息
- 默认配置（default）
- 训练数据文件路径：data/train-*
