kpriyanshu256/MultiTabQA-multitable_pretraining-Salesforce-codet5-base_train-html-56000

---
dataset_info:
features:
- name: input_ids
sequence:
sequence: int32
- name: attention_mask
sequence:
sequence: int8
- name: labels
sequence:
sequence: int64
splits:
- name: train
num_bytes: 13336000
num_examples: 1000
download_size: 660346
dataset_size: 13336000
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征列表：
- 特征名：输入标识符（input_ids），类型为序列，其序列元素为32位有符号整数（int32）
- 特征名：注意力掩码（attention_mask），类型为序列，其序列元素为8位有符号整数（int8）
- 特征名：标签（labels），类型为序列，其序列元素为64位有符号整数（int64）
划分集列表：
- 划分名称：训练集（train），占用字节数：13336000，样本数量：1000
下载大小：660346
数据集总大小：13336000
配置项列表：
- 配置名称：默认配置（default），数据文件列表：
- 对应划分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

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

数据集划分

• train: 包含1000个样本，总字节数为13336000。

数据集大小

• 下载大小: 660346字节。
• 数据集大小: 13336000字节。

配置信息

• default:
  • 数据文件路径: data/train-*
  • 对应数据集划分: train