kpriyanshu256/MultiTabQA-multitable_pretraining-Salesforce-codet5-base_train-html-48000

---
dataset_info:
features:
- name: input_ids
sequence:
sequence: int32
- name: attention_mask
sequence:
sequence: int8
- name: labels
sequence:
sequence: int64
splits:
- name: train
num_bytes: 13336000
num_examples: 1000
download_size: 652167
dataset_size: 13336000
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征项：
- 名称：输入标识（input_ids），其为嵌套整数序列，内层序列元素类型为32位整数（int32）
- 名称：注意力掩码（attention_mask），其为嵌套整数序列，内层序列元素类型为8位整数（int8）
- 名称：标签（labels），其为嵌套整数序列，内层序列元素类型为64位整数（int64）
数据集划分：
- 划分集：训练集，占用字节数：13336000，样本数量：1000
下载大小：652167
数据集总大小：13336000
配置项：
- 配置名称：默认配置（default），关联数据文件：
- 对应划分集：训练集，文件路径：data/train-*

原始信息汇总

数据集概述

特征信息

• input_ids: 序列类型，数据类型为int32。
• attention_mask: 序列类型，数据类型为int8。
• labels: 序列类型，数据类型为int64。

数据分割

• train: 包含1000个样本，总字节数为13336000。

数据集大小

• 下载大小: 652167字节。
• 数据集大小: 13336000字节。

配置信息

• config_name: default
• data_files:
  • split: train
  • path: data/train-*