yardeny/tokenized_bert_context_len_128

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 12813417444
num_examples: 80462898
download_size: 4328077891
dataset_size: 12813417444
---
# Dataset Card for "tokenized_bert_context_len_128"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征：
- 字段名称：input_ids，数据类型：int32序列
- 字段名称：token_type_ids，数据类型：int8序列
- 字段名称：attention_mask，数据类型：int8序列
数据集划分：
- 名称：train（训练集），占用字节数：12813417444，样本数量：80462898
下载大小：4328077891
数据集存储大小：12813417444

# 名为"tokenized_bert_context_len_128"的数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

特征

• input_ids: 序列类型为 int32
• token_type_ids: 序列类型为 int8
• attention_mask: 序列类型为 int8

数据分割

• train: 包含 80462898 个样本，总字节数为 12813417444

数据大小

• 下载大小: 4328077891 字节
• 数据集大小: 12813417444 字节