apollo-research/roneneldan-TinyStories-tokenizer-gpt2

---
dataset_info:
features:
- name: input_ids
sequence: int32
splits:
- name: train
num_bytes: 1897521336.0
num_examples: 924718
- name: validation
num_bytes: 19077444.0
num_examples: 9297
download_size: 796489454
dataset_size: 1916598780.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

原始信息汇总

数据集信息

特征

• 名称: input_ids
• 类型: int32

数据分割

• 训练集
  • 字节数: 1897521336.0
  • 样本数: 924718
• 验证集
  • 字节数: 19077444.0
  • 样本数: 9297

数据大小

• 下载大小: 796489454
• 数据集大小: 1916598780.0

配置

• 配置名称: default
  • 数据文件
    • 训练集路径: data/train-*
    • 验证集路径: data/validation-*