kanishka/counterfactual_babylm_aann_high_variability_all

该数据集包含一个名为text的字符串类型字段，分为train和validation两个分割。train分割包含11,635,473个示例，占用581,838,214字节；validation分割包含1,026,747个示例，占用56,120,230字节。数据集的下载大小为421,635,976字节，总大小为637,958,444字节。数据文件路径分别为train分割的data/train-*和validation分割的data/validation-*。

This dataset contains text data, divided into a training set and a validation set. The training set includes 11635473 samples, and the validation set includes 1026747 samples. The total download size of the dataset is 421635976 bytes, and the total dataset size is 637958444 bytes.

原始信息汇总

数据集概述

数据特征

• 名称: text
• 数据类型: string

数据分割

• 训练集:
  • 名称: train
  • 字节数: 581838214
  • 样本数: 11635473
• 验证集:
  • 名称: validation
  • 字节数: 56120230
  • 样本数: 1026747

数据大小

• 下载大小: 421635976
• 数据集总大小: 637958444

配置

• 配置名称: default
  • 数据文件:
    • 训练集路径: data/train-*
    • 验证集路径: data/validation-*