anihitk07/ms_docs

---
dataset_info:
features:
- name: text
dtype: string
- name: id
dtype: string
- name: title
dtype: string
- name: file_path
dtype: string
- name: repo_id
dtype: string
- name: token_count
dtype: int64
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 360617046
num_examples: 49545
download_size: 144381443
dataset_size: 360617046
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：text，数据类型：字符串
- 字段名：id，数据类型：字符串
- 字段名：title，数据类型：字符串
- 字段名：file_path，数据类型：字符串
- 字段名：repo_id（仓库标识符），数据类型：字符串
- 字段名：token_count（Token计数），数据类型：64位整型（int64）
- 字段名：__index_level_0__，数据类型：64位整型（int64）
数据集划分：
- 划分名称：train（训练集），总字节数：360617046，样本数量：49545
下载总大小：144381443，数据集存储总大小：360617046
配置项：
- 配置名称：default（默认配置），数据文件：
- 对应划分：train（训练集），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• text: 数据类型为字符串
• id: 数据类型为字符串
• title: 数据类型为字符串
• file_path: 数据类型为字符串
• repo_id: 数据类型为字符串
• token_count: 数据类型为整数（int64）
• index_level_0: 数据类型为整数（int64）

数据集分割

• train: 包含49545个样本，总大小为360617046字节

数据集大小

• 下载大小: 144381443字节
• 数据集大小: 360617046字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*