zicsx/mC4-Hindi-Cleaned
收藏Hugging Face2024-02-01 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/zicsx/mC4-Hindi-Cleaned
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 24677697357.760128
num_examples: 5251576
download_size: 9175340652
dataset_size: 24677697357.760128
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
license: apache-2.0
language:
- hi
tags:
- mC4
size_categories:
- 10M<n<100M
---
# Dataset Card for "mC4-Hindi-Cleaned"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
数据集信息：
特征列表：
- 特征名：text，数据类型：字符串
数据划分列表：
- 划分名称：训练集，字节数：24677697357.760128，样本数量：5251576
下载大小：9175340652
数据集总大小：24677697357.760128
配置项列表：
- 配置名称：默认，数据文件：
- 对应划分：训练集，文件路径：data/train-*
许可证：Apache-2.0
语言：印地语（hi）
标签：mC4
样本量级：1000万 < 样本数 < 1亿
# 「mC4-印地语清洗版」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)
提供机构：
zicsx
原始信息汇总
数据集概述
数据集信息
-
特征:
- 名称: text
- 数据类型: string
-
分割:
- 名称: train
- 字节数: 24677697357.760128
- 样本数: 5251576
-
下载大小: 9175340652
-
数据集大小: 24677697357.760128
配置
- 配置名称: default
- 数据文件:
- 分割: train
- 路径: data/train-*
许可证
- apache-2.0
语言
- hi
标签
- mC4
大小类别
- 10M<n<100M
