nicolauduran45/affilgood-mBART-ror

---
license: mit
dataset_info:
features:
- name: input
dtype: string
- name: output
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 20157559412
num_examples: 1499448
- name: val
num_bytes: 67217845
num_examples: 5000
download_size: 61503401
dataset_size: 20224777257
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: val
path: data/val-*
---

许可证：MIT许可证
数据集元信息：
特征字段：
- 字段名：input，数据类型：字符串（string）
- 字段名：output，数据类型：字符串（string）
- 字段名：input_ids，为元素类型int32的序列
- 字段名：attention_mask（注意力掩码），为元素类型int8的序列
- 字段名：labels，为元素类型int64的序列
数据集划分：
- 划分名称：train（训练集），字节大小：20157559412，样本总数：1499448
- 划分名称：val（验证集），字节大小：67217845，样本总数：5000
下载大小：61503401字节
总数据集大小：20224777257字节
配置项：
- 配置名称：default（默认配置），数据文件路径：
- 训练集对应数据文件路径：data/train-*
- 验证集对应数据文件路径：data/val-*

原始信息汇总

数据集概述

数据集特征

• input: 数据类型为字符串。
• output: 数据类型为字符串。
• input_ids: 序列类型，数据类型为int32。
• attention_mask: 序列类型，数据类型为int8。
• labels: 序列类型，数据类型为int64。

数据集划分

• 训练集(train): 包含1499448个样本，总大小为20157559412字节。
• 验证集(val): 包含5000个样本，总大小为67217845字节。

数据集大小

• 下载大小: 61503401字节。
• 总数据集大小: 20224777257字节。

数据文件配置

• 默认配置(default):
  • 训练集路径: data/train-*
  • 验证集路径: data/val-*