bn22/albanian-corpora-bert-tokenized-2k-tinyllama

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 5372481200
num_examples: 201700
download_size: 1190977215
dataset_size: 5372481200
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征项：
- 名称：input_ids，序列类型为int32
- 名称：attention_mask，序列类型为int8
- 名称：labels，序列类型为int64
数据集拆分：
- 拆分名称：train（训练集），占用字节数：5372481200，样本数量：201700
下载大小：1190977215
数据集总大小：5372481200
配置项：
- 配置名称：default，数据文件：
- 对应拆分：train，文件路径：data/train-*

原始信息汇总

数据集概述

特征信息

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

数据分割

• train: 包含 201700 个样本，总字节数为 5372481200

数据集大小

• 下载大小: 1190977215 字节
• 数据集大小: 5372481200 字节

配置信息

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