carnival13/massive_5_lang_DA_tokenized

---
dataset_info:
features:
- name: pass_label
dtype: int64
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 424287645
num_examples: 552890
download_size: 127805722
dataset_size: 424287645
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "massive_5_lang_DA_tokenized"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
数据集信息：
特征：
- 字段名：pass_label，数据类型：64位整数
- 字段名：input_ids（输入Token ID序列），序列类型：32位整数
- 字段名：attention_mask（注意力掩码），序列类型：8位整数
数据集拆分：
- 拆分名称：训练集，字节大小：424287645，样本数量：552890
下载大小：127805722
数据集总大小：424287645
配置项：
- 配置名称：默认配置，数据文件：
- 拆分集：训练集，路径：data/train-*
---
# 「massive_5_lang_DA_tokenized」数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

特征

• pass_label: 数据类型为 int64
• input_ids: 序列类型为 int32
• attention_mask: 序列类型为 int8

分割

• train:
  • 字节数: 424287645
  • 样本数: 552890

大小

• 下载大小: 127805722
• 数据集大小: 424287645

配置

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