katxtong/tokenized_squad_size356

---
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: start_positions
dtype: int64
- name: end_positions
dtype: int64
splits:
- name: train
num_bytes: 170292456
num_examples: 87599
- name: validation
num_bytes: 20548080
num_examples: 10570
download_size: 26850313
dataset_size: 190840536
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

数据集信息：
特征字段：
- 字段名：input_ids，为int32类型的序列数据
- 字段名：attention_mask（注意力掩码），为int8类型的序列数据
- 字段名：start_positions，数据类型为int64
- 字段名：end_positions，数据类型为int64
数据集划分：
- 划分名称：训练集（train），字节数：170292456，样本数：87599
- 划分名称：验证集（validation），字节数：20548080，样本数：10570
下载大小：26850313字节
总数据集大小：190840536字节
配置项：
- 配置名称：default（默认配置）
数据文件：
- 对应划分：训练集（train），文件路径：data/train-*
- 对应划分：验证集（validation），文件路径：data/validation-*

原始信息汇总

数据集概述

数据特征

• input_ids: 序列类型，数据类型为int32
• attention_mask: 序列类型，数据类型为int8
• start_positions: 数据类型为int64
• end_positions: 数据类型为int64

数据分割

• 训练集
  • 字节数: 170292456
  • 样本数: 87599
• 验证集
  • 字节数: 20548080
  • 样本数: 10570

数据集大小

• 下载大小: 26850313字节
• 数据集大小: 190840536字节

配置

• 默认配置
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*