carlosejimenez/seq2seq-squad-tokenized

数据集包含预处理过的序列数据，主要特征包括input_ids、attention_mask和labels，分别对应整数序列。数据集分为训练集和验证集，训练集包含87599个样本，验证集包含10570个样本。

---
数据集信息：
特征字段：
- 名称：输入ID（input_ids），序列类型为int32
- 名称：注意力掩码（attention_mask），序列类型为int8
- 名称：标签（labels），序列类型为int64
划分数据集：
- 名称：训练集（train），字节占用量：89432112，样本总数：87599
- 名称：验证集（validation），字节占用量：10940273，样本总数：10570
下载总大小：32194916 字节
数据集总存储大小：100372385 字节
---
# 「seq2seq-squad-tokenized」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

数据集名称

• 名称: seq2seq-squad-tokenized

数据集特征

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

数据集分割

• 训练集:
  • 样本数: 87599
  • 数据大小: 89432112字节
• 验证集:
  • 样本数: 10570
  • 数据大小: 10940273字节

数据集大小

• 下载大小: 32194916字节
• 总数据大小: 100372385字节