timinar/c4-code-tokenized-2b-extended2

---
dataset_info:
features:
- name: tokens
sequence: int64
splits:
- name: train
num_bytes: 14196307992.0
num_examples: 1732102
download_size: 3404346086
dataset_size: 14196307992.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息:
特征:
- 名称: tokens
序列类型: int64
拆分:
- 名称: train
字节数: 14196307992.0
样本数: 1732102
下载大小: 3404346086
数据集大小: 14196307992.0
配置:
- 配置名称: default
数据文件:
- 拆分: train
路径: data/train-*

原始信息汇总

数据集概述

数据集特征

• 名称: tokens
• 类型: 序列，整数类型（int64）

数据集划分

• 划分名称: train
• 样本数量: 1732102
• 数据大小: 14196307992.0 字节

下载信息

• 下载大小: 3404346086 字节
• 数据集总大小: 14196307992.0 字节

配置信息

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