carlosejimenez/seq2seq-cnndm-tokenized

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 883654818
num_examples: 287113
- name: validation
num_bytes: 41790866
num_examples: 13368
- name: test
num_bytes: 35615246
num_examples: 11490
download_size: 359302108
dataset_size: 961060930
---
# Dataset Card for "seq2seq-cnndm-tokenized"

[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
- 输入ID（input_ids）：序列类型，元素为32位整数（int32）
- 注意力掩码（attention_mask）：序列类型，元素为8位整数（int8）
- 标签（labels）：序列类型，元素为64位整数（int64）
### 数据划分
- 训练集（train）：总字节数883654818，样本量287113
- 验证集（validation）：总字节数41790866，样本量13368
- 测试集（test）：总字节数35615246，样本量11490

整体下载大小：359302108 字节
数据集总大小：961060930 字节
---
# 「seq2seq-cnndm-tokenized」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

数据集名称

seq2seq-cnndm-tokenized

数据集特征

• input_ids：序列类型为int32。
• attention_mask：序列类型为int8。
• labels：序列类型为int64。

数据集分割

• 训练集：包含287113个样本，总大小为883654818字节。
• 验证集：包含13368个样本，总大小为41790866字节。
• 测试集：包含11490个样本，总大小为35615246字节。

数据集大小

• 下载大小：359302108字节。
• 数据集总大小：961060930字节。