nhantruongcse/130_test_vit5_vietnews

---
dataset_info:
features:
- name: Content
dtype: string
- name: Summary
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 97793645
num_examples: 12990
download_size: 43120373
dataset_size: 97793645
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：内容（Content），数据类型：字符串
- 字段名：摘要（Summary），数据类型：字符串
- 字段名：输入标记ID序列（input_ids），数据类型：int32序列
- 字段名：注意力掩码（attention_mask），数据类型：int8序列
- 字段名：标签（labels），数据类型：int64序列
数据划分：
- 划分名称：训练集，字节数：97793645，样本数量：12990
下载大小：43120373
数据集总大小：97793645
配置项：
- 配置名称：默认配置
数据文件：
- 划分：训练集，路径：data/train-*

原始信息汇总

数据集信息

特征

• Content: 数据类型为字符串。
• Summary: 数据类型为字符串。
• input_ids: 序列类型为int32。
• attention_mask: 序列类型为int8。
• labels: 序列类型为int64。

分割

• train: 包含12990个样本，占用97793645字节。

大小

• 下载大小: 43120373字节。
• 数据集大小: 97793645字节。

配置

• default: 包含训练数据文件，路径为data/train-*。