cyrilzhang/TinyStories2-ascii-bpe-2k

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
dataset_info:
features:
- name: input_ids
sequence: int32
splits:
- name: train
num_bytes: 2369808200
num_examples: 578002
- name: validation
num_bytes: 23866100
num_examples: 5821
download_size: 827963790
dataset_size: 2393674300
---
# Dataset Card for "TinyStories2-ascii-bpe-2k"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
配置项：
- 配置名称：default
数据文件：
- 拆分（split）：train，路径：data/train-*
- 拆分（split）：validation，路径：data/validation-*
数据集信息：
特征列表：
- 特征名：输入ID（input_ids），数据类型为int32序列
拆分详情：
- 拆分名称：train，字节总量：2369808200，样本数量：578002
- 拆分名称：validation，字节总量：23866100，样本数量：5821
下载总大小：827963790
数据集总存储大小：2393674300
---
# 「TinyStories2-ascii-bpe-2k」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

配置

• 默认配置 (default)
  • 数据文件路径：
    • 训练集 (train): data/train-*
    • 验证集 (validation): data/validation-*

数据集信息

• 特征：
  • input_ids: 序列类型，数据类型为 int32
• 数据分割：
  • 训练集 (train):
    • 字节数: 2,369,808,200
    • 样本数: 578,002
  • 验证集 (validation):
    • 字节数: 23,866,100
    • 样本数: 5,821
• 下载大小: 827,963,790 字节
• 数据集大小: 2,393,674,300 字节