baddddddddd/fineweb2-fil-1B-morphlingv2-tokenized
收藏Hugging Face2026-04-15 更新2026-04-26 收录
下载链接：
https://hf-mirror.com/datasets/baddddddddd/fineweb2-fil-1B-morphlingv2-tokenized
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: input_ids
list: int32
- name: attention_mask
list: int8
splits:
- name: train
num_bytes: 8145762035
num_examples: 1807170
download_size: 13030327867
dataset_size: 8145762035
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
数据集信息：
特征项：
- 输入标识序列（input_ids）：由32位整数构成的列表
- 注意力掩码（attention_mask）：由8位整数构成的列表
数据集划分：
- 训练集（train）：占用字节数为8145762035，样本总数为1807170
下载总大小：13030327867
数据集实际占用总大小：8145762035
配置项：
- 默认配置（default）：
数据文件配置：
- 训练集划分：数据路径为data/train-*
提供机构：
baddddddddd
