eric-alix/nlp.1.predict_last_word

--- dataset_info: features: - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: - name: train num_bytes: 4628980 num_examples: 39905 - name: validation num_bytes: 98368 num_examples: 848 - name: test num_bytes: 200680 num_examples: 1730 download_size: 2018708 dataset_size: 4928028 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* - split: test path: data/test-* ---数据集信息： 特征： - 名称：输入Token标识符（input_ids），序列类型：int32序列 - 名称：注意力掩码（attention_mask），序列类型：int8序列 - 名称：标签（labels），序列类型：int64序列 划分集： - 名称：训练集（train），字节大小：4628980，样本数量：39905 - 名称：验证集（validation），字节大小：98368，样本数量：848 - 名称：测试集（test），字节大小：200680，样本数量：1730 下载总大小：2018708，数据集总存储大小：4928028 配置： - 配置名称：默认（default），数据文件： - 划分集：训练集，路径：data/train-* - 划分集：验证集，路径：data/validation-* - 划分集：测试集，路径：data/test-*

原始信息汇总

数据集信息

特征

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

分割

• train: 字节数为 4628980，样本数为 39905
• validation: 字节数为 98368，样本数为 848
• test: 字节数为 200680，样本数为 1730

大小

• 下载大小: 2018708 字节
• 数据集大小: 4928028 字节

配置

• config_name: default
  • data_files:
    • train: 路径为 data/train-*
    • validation: 路径为 data/validation-*
    • test: 路径为 data/test-*