hlillemark/flores200_8_baseline_mt5

--- dataset_info: features: - name: id dtype: int32 - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: - name: train num_bytes: 14085207567 num_examples: 20480000 - name: val num_bytes: 3532704 num_examples: 5000 - name: test num_bytes: 7062030 num_examples: 10000 download_size: 5157483346 dataset_size: 14095802301 --- # Dataset Card for "flores200_8_baseline_mt5" [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： - 字段名：标识符（id），数据类型：32位整数 - 字段名：输入Token序列（input_ids），序列类型：32位整数序列 - 字段名：注意力掩码（attention_mask），序列类型：8位整数序列 - 字段名：标签（labels），序列类型：64位整数序列 数据集划分： - 划分名：训练集（train），占用字节数：14085207567，样本数量：20480000 - 划分名：验证集（val），占用字节数：3532704，样本数量：5000 - 划分名：测试集（test），占用字节数：7062030，样本数量：10000 下载总大小：5157483346 字节 数据集总占用大小：14095802301 字节 --- # "flores200_8_baseline_mt5"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

特征信息

• id: 数据类型为 int32
• input_ids: 序列类型为 int32
• attention_mask: 序列类型为 int8
• labels: 序列类型为 int64

数据分割

• train:
  • 字节数: 14085207567
  • 样本数: 20480000
• val:
  • 字节数: 3532704
  • 样本数: 5000
• test:
  • 字节数: 7062030
  • 样本数: 10000

数据大小

• 下载大小: 5157483346 字节
• 数据集大小: 14095802301 字节