Xhaheen/Alpaca_urdu__2024_cleaned

---
dataset_info:
features:
- name: urdu_instruction
dtype: string
- name: urdu_input
dtype: string
- name: urdu_output
dtype: string
- name: prompt
dtype: string
- name: input_ids
sequence: int64
- name: attention_mask
sequence: int64
splits:
- name: train
num_bytes: 60075161
num_examples: 5782
download_size: 12595600
dataset_size: 60075161
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征：
- 乌尔都语指令（urdu_instruction）：数据类型为字符串
- 乌尔都语输入（urdu_input）：数据类型为字符串
- 乌尔都语输出（urdu_output）：数据类型为字符串
- 提示词（prompt）：数据类型为字符串
- 输入Token序列（input_ids）：数据类型为64位整数序列
- 注意力掩码（attention_mask）：数据类型为64位整数序列
数据集划分：
- 划分名称：训练集（train），字节数：60075161，样本数量：5782
下载大小：12595600字节，数据集总大小：60075161字节
配置项：
- 配置名称：默认配置（default），数据文件：
- 训练集划分对应路径为data/train-*

原始信息汇总

数据集概述

数据集特征

• urdu_instruction: 数据类型为字符串。
• urdu_input: 数据类型为字符串。
• urdu_output: 数据类型为字符串。
• prompt: 数据类型为字符串。
• input_ids: 数据类型为整数序列，类型为int64。
• attention_mask: 数据类型为整数序列，类型为int64。

数据集划分

• 训练集（train）:
  • 数据量：5782个样本
  • 存储大小：60075161字节

数据集大小

• 下载大小: 12595600字节
• 数据集总大小: 60075161字节

配置信息

• 配置名称: default
• 数据文件:
  • 划分: 训练集
  • 路径: data/train-*