braindao/cnn-dm-200k-full-tokenized

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 1914469484
num_examples: 287113
- name: validation
num_bytes: 89137824
num_examples: 13368
- name: test
num_bytes: 76615320
num_examples: 11490
download_size: 359173014
dataset_size: 2080222628
---
# Dataset Card for "cnn-dm-200k-full-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：
- 名称：输入标识（input_ids），序列类型：int32
- 名称：注意力掩码（attention_mask），序列类型：int8
- 名称：标签（labels），序列类型：int64
数据集划分：
- 名称：训练集（train），占用字节数：1914469484，样本数：287113
- 名称：验证集（validation），占用字节数：89137824，样本数：13368
- 名称：测试集（test），占用字节数：76615320，样本数：11490
下载大小：359173014
数据集总大小：2080222628
---
# 「cnn-dm-200k-full-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

数据集名称

cnn-dm-200k-full-tokenized

数据集特征

• input_ids：整数序列，数据类型为int32。
• attention_mask：整数序列，数据类型为int8。
• labels：整数序列，数据类型为int64。

数据集划分

• 训练集（train）：包含287113个样本，总大小为1914469484字节。
• 验证集（validation）：包含13368个样本，总大小为89137824字节。
• 测试集（test）：包含11490个样本，总大小为76615320字节。

数据集大小

• 下载大小：359173014字节。
• 数据集总大小：2080222628字节。