pasindubg/singlish_tokenized_tiny_test

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
dataset_info:
features:
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 863996262.0926274
num_examples: 7234701
- name: validation
num_bytes: 119423.90737262361
num_examples: 1000
download_size: 429107173
dataset_size: 864115686.0
---
# Dataset Card for "singlish_tokenized_tiny_test"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

配置项：
- 配置名称：default
数据文件：
- 拆分集：训练集（train），存储路径：data/train-*
- 拆分集：验证集（validation），存储路径：data/validation-*

数据集信息：
特征字段：
- 字段名：输入Token ID（input_ids），数据类型为int32序列
- 字段名：令牌类型ID（token_type_ids），数据类型为int8序列
- 字段名：注意力掩码（attention_mask），数据类型为int8序列
拆分集详情：
- 名称：训练集，字节数：863996262.0926274，样本数：7234701
- 名称：验证集，字节数：119423.90737262361，样本数：1000
下载总大小：429107173
数据集总大小：864115686.0

---
# 「singlish_tokenized_tiny_test」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)