ruliad/fineweb_350BT_chunk_40
收藏Hugging Face2024-06-02 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/ruliad/fineweb_350BT_chunk_40
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含多个特征，包括文本内容、唯一标识符、数据来源的URL、记录日期、文件路径、语言类型、语言识别得分、文本的词数统计等。数据集主要分为训练集，训练集包含500万个样本，数据集的总大小为17.11GB，下载大小为10.22GB。
The dataset includes various features such as text, ID, URL, date, file path, language, language score, and token count. The dataset is primarily divided into a training set, which contains 5 million examples. The total size of the dataset is 17.11GB, with a download size of 10.22GB.
提供机构：
ruliad
原始信息汇总
数据集概述
数据集特征
- text：字符串类型
- id：字符串类型
- dump：字符串类型
- url：字符串类型
- date：字符串类型
- file_path：字符串类型
- language：字符串类型
- language_score：浮点数类型
- token_count：整数类型
数据集划分
- train：
- 数据量：5000000条记录
- 存储大小：17109361425字节
数据集大小
- 下载大小：10224393215字节
- 数据集大小：17109361425字节
配置信息
- config_name：default
- data_files：
- split：train
- path：data/train-*
