kpriyanshu256/MultiTabQA-multitable_pretraining-Salesforce-codet5-base_train-html-35000

---
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: 660465
dataset_size: 13336000
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 名称：输入ID（input_ids），数据类型为嵌套序列，内层序列元素为32位整数（int32）
- 名称：注意力掩码（attention_mask），数据类型为嵌套序列，内层序列元素为8位整数（int8）
- 名称：标签（labels），数据类型为嵌套序列，内层序列元素为64位整数（int64）
数据划分：
- 划分名称：训练集（train），字节大小：13336000，样本数量：1000
下载体积：660465，数据集总字节大小：13336000
配置项：
- 配置名称：默认（default），数据文件：
- 对应数据划分：训练集（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，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。

数据大小

• 下载大小: 660465字节。
• 数据集大小: 13336000字节。

配置信息

• default: 包含训练数据文件，路径为data/train-*。