chanind/wiki-10k-tokenized-gpt2

---
dataset_info:
features:
- name: input_ids
sequence: int64
splits:
- name: train
num_bytes: 396714604.0
num_examples: 401533
download_size: 124108980
dataset_size: 396714604.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息（dataset_info）：
特征（features）：
- 名称：输入标识（input_ids），序列类型为int64整数
数据集划分（splits）：
- 名称：训练集（train），字节数：396714604.0，样本数量：401533
下载大小（download_size）：124108980
数据集大小（dataset_size）：396714604.0
数据集配置（configs）：
- 配置名称（config_name）：默认配置（default），数据文件（data_files）：
- 划分（split）：训练集（train），文件路径（path）：data/train-*

原始信息汇总

数据集概述

数据集特征

• 名称: input_ids
• 序列类型: int64

数据集划分

• 名称: train
• 大小: 396714604.0 字节
• 示例数量: 401533

下载信息

• 下载大小: 124108980 字节
• 数据集大小: 396714604.0 字节

配置信息

• 配置名称: default
• 数据文件路径:
  • 划分: train
  • 路径: data/train-*