tchubakov/kgz_dataset_chunked_medium_xlm_roberta
收藏Hugging Face2025-12-28 更新2026-03-29 收录
下载链接：
https://hf-mirror.com/datasets/tchubakov/kgz_dataset_chunked_medium_xlm_roberta
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: input_ids
list: int32
- name: attention_mask
list: int8
splits:
- name: train
num_bytes: 9631767858
num_examples: 3765351
- name: test
num_bytes: 235834810
num_examples: 92195
download_size: 3624047215
dataset_size: 9867602668
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---
数据集信息：
特征：
- 名称：输入词元ID序列（input_ids），数据类型为int32整数列表
- 名称：注意力掩码（attention_mask），数据类型为int8整数列表
数据集划分：
- 名称：训练集（train），占用字节数：9631767858，样本数量：3765351
- 名称：测试集（test），占用字节数：235834810，样本数量：92195
下载总大小：3624047215
数据集总存储大小：9867602668
配置项：
- 配置名称：默认配置（default），数据文件路径：
- 训练集划分：对应数据路径为 data/train-*
- 测试集划分：对应数据路径为 data/test-*
提供机构：
tchubakov
