TahaCakir/tokenized-combined-dataset

---
license: apache-2.0
dataset_info:
features:
- name: input_ids
sequence: int32
splits:
- name: train
num_bytes: 1799513760
num_examples: 219560
download_size: 320383518
dataset_size: 1799513760
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

许可证：Apache-2.0
数据集信息：
特征字段：
- 字段名：input_ids（输入标识符）
序列数据类型：int32
数据集划分：
- 划分名称：训练集
字节数：1799513760
样本总量：219560
下载大小：320383518
数据集存储总大小：1799513760
配置项：
- 配置名称：默认配置
数据文件：
- 所属数据集划分：训练集
文件路径：data/train-*

原始信息汇总

数据集概述

数据集基本信息

• 许可证: Apache-2.0

数据集特征

• 特征名称: input_ids
• 数据类型: 序列，整型32位

数据集分割

• 分割名称: train
• 数据量:
  • 字节数: 1799513760
  • 示例数量: 219560

数据集大小

• 下载大小: 320383518
• 数据集大小: 1799513760

配置信息

• 配置名称: default
• 数据文件路径:
  • 分割: train
  • 路径: data/train-*