alorenc/c4_30B_5M_split_2.5B
收藏官方服务：
资源简介：
--- dataset_info: features: - name: input_ids list: int32 - name: attention_mask list: int8 splits: - name: train num_bytes: 11167419952 num_examples: 2177734 - name: validation num_bytes: 25034896 num_examples: 4882 download_size: 17904930803 dataset_size: 11192454848 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* ---
数据集信息： 特征项： - 名称：输入Token IDs（input_ids），数据格式为32位整数列表 - 名称：注意力掩码（attention_mask），数据格式为8位整数列表 数据集划分： - 划分名称：训练集（train），字节占用量：11167419952，样本总数：2177734 - 划分名称：验证集（validation），字节占用量：25034896，样本总数：4882 下载总大小：17904930803，数据集总存储大小：11192454848 配置项： - 配置名称：默认配置（default），数据文件路径规则如下： - 训练集划分：对应路径为 data/train-* - 验证集划分：对应路径为 data/validation-*
提供机构：
alorenc
