ghidav/safety-data

---
dataset_info:
features:
- name: text
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 1461769623
num_examples: 458194
- name: test
num_bytes: 129475839
num_examples: 41596
download_size: 312584599
dataset_size: 1591245462
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---
# Dataset Card for "safety-data"

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

数据集信息：
特征：
- 名称：text，数据类型：字符串
- 名称：输入标识（input_ids），序列类型：32位整数（int32）
- 名称：注意力掩码（attention_mask），序列类型：8位整数（int8）
数据集划分：
- 名称：训练集（train），字节大小：1461769623，样本数量：458194
- 名称：测试集（test），字节大小：129475839，样本数量：41596
下载大小：312584599
数据集总大小：1591245462
配置项：
- 配置名称：默认配置（default），数据文件：
- 划分：训练集，路径：data/train-*
- 划分：测试集，路径：data/test-*

# “安全数据（safety-data）”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)

原始信息汇总

数据集概述

数据集信息

特征

• text: 数据类型为字符串。
• input_ids: 序列类型为整数32位。
• attention_mask: 序列类型为整数8位。

分割

• train:
  • 字节数: 1461769623
  • 样本数: 458194
• test:
  • 字节数: 129475839
  • 样本数: 41596

大小

• 下载大小: 312584599
• 数据集大小: 1591245462

配置

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