Minata/512_block_tokenized_src_fm_fc_ms_ff_method2testcases_v0

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 2980662680
num_examples: 447010
- name: test
num_bytes: 282063068
num_examples: 42301
download_size: 541623207
dataset_size: 3262725748
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征：
- 名称：input_ids（输入ID序列），数据类型：int32（32位整数）
- 名称：attention_mask（注意力掩码序列），数据类型：int8（8位整数）
- 名称：labels（标签序列），数据类型：int64（64位整数）
数据集划分：
- 划分名称：train（训练集），占用字节数：2980662680，样本数量：447010
- 划分名称：test（测试集），占用字节数：282063068，样本数量：42301
下载总大小：541623207，数据集总存储大小：3262725748
配置项：
- 配置名称：default（默认配置），数据文件：
- 对应训练集划分：路径为 data/train-*
- 对应测试集划分：路径为 data/test-*

原始信息汇总

数据集信息

特征

• input_ids: 序列类型为 int32
• attention_mask: 序列类型为 int8
• labels: 序列类型为 int64

数据分割

• train:
  • 字节数: 2980662680
  • 样本数: 447010
• test:
  • 字节数: 282063068
  • 样本数: 42301

数据大小

• 下载大小: 541623207 字节
• 数据集大小: 3262725748 字节

配置

• default:
  • train: 路径为 data/train-*
  • test: 路径为 data/test-*