ruliad/fineweb_350BT_chunk_72
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_72
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含500万条记录，每条记录包括文本、唯一ID、URL、日期、文件路径、语言标识、语言得分和令牌计数。数据集主要用于训练，总大小为17339532734字节，下载大小为10338027089字节。
该数据集包含500万条记录，每条记录包括文本、唯一ID、URL、日期、文件路径、语言标识、语言得分和令牌计数。数据集主要用于训练，总大小为17339532734字节，下载大小为10338027089字节。
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
数据集分割
- 训练集（train）：
- 数据量：5000000个样本
- 存储大小：17339532734字节
数据集大小
- 下载大小：10338027089字节
- 数据集总大小：17339532734字节
配置
- 默认配置（default）：
- 训练数据路径：
data/train-*
- 训练数据路径：
