nhantruongcse/130k_train_vit5_base

---
dataset_info:
features:
- name: Content
dtype: string
- name: Summary
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 881474749
num_examples: 116902
download_size: 389442558
dataset_size: 881474749
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征项：
- 特征名：内容（Content），数据类型：字符串
- 特征名：摘要（Summary），数据类型：字符串
- 特征名：输入标识符（input_ids），数据类型：int32类型序列
- 特征名：注意力掩码（attention_mask），数据类型：int8类型序列
- 特征名：标签（labels），数据类型：int64类型序列
数据集划分：
- 划分名称：训练集（train），字节数：881474749，样本数量：116902
下载大小：389442558
数据集总大小：881474749
配置项：
- 配置名称：默认配置（default），数据文件：
- 划分：训练集（train），路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• Content: 数据类型为字符串。
• Summary: 数据类型为字符串。
• input_ids: 数据类型为整数序列，类型为int32。
• attention_mask: 数据类型为整数序列，类型为int8。
• labels: 数据类型为整数序列，类型为int64。

数据集分割

• train: 包含116902个样本，占用881474749字节。

数据集大小

• 下载大小: 389442558字节。
• 实际大小: 881474749字节。

配置信息

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