tuanio/processed_bad_word_cls_dataset

--- dataset_info: features: - name: labels dtype: int64 - name: input_ids sequence: sequence: int32 - name: attention_mask sequence: sequence: int8 splits: - name: train num_bytes: 15208128.0 num_examples: 90000 - name: test num_bytes: 1689792.0 num_examples: 10000 download_size: 8136371 dataset_size: 16897920.0 configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* ---数据集信息： 特征： - 名称：标签（labels），数据类型：int64 - 名称：输入标识（input_ids），类型为嵌套序列，元素数据类型：int32 - 名称：注意力掩码（attention_mask），类型为嵌套序列，元素数据类型：int8 数据集划分： - 划分名称：训练集（train），占用字节数：15208128.0，样本数量：90000 - 划分名称：测试集（test），占用字节数：1689792.0，样本数量：10000 下载大小：8136371，总数据集大小：16897920.0 配置项： - 配置名称：默认（default），数据文件映射： - 训练集划分对应路径：data/train-* - 测试集划分对应路径：data/test-*

原始信息汇总

数据集概述

特征信息

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

数据分割

• train: 包含 90000 个样本，占用 15208128.0 字节
• test: 包含 10000 个样本，占用 1689792.0 字节

数据大小

• 下载大小: 8136371 字节
• 数据集大小: 16897920.0 字节

配置信息

• default:
  • train: 文件路径为 data/train-*
  • test: 文件路径为 data/test-*