ruliad/fineweb_350BT_chunk_36
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_36
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含多种特征，如文本、ID、URL等，并特别关注语言和语言得分。数据集主要用于训练，包含5000000个样本，总数据量为17140229624字节。
该数据集包含多种特征，如文本、ID、URL等，并特别关注语言和语言得分。数据集主要用于训练，包含5000000个样本，总数据量为17140229624字节。
提供机构：
ruliad
原始信息汇总
数据集概述
数据集特征
- text：文本，数据类型为字符串。
- id：标识符，数据类型为字符串。
- dump：转储，数据类型为字符串。
- url：网址，数据类型为字符串。
- date：日期，数据类型为字符串。
- file_path：文件路径，数据类型为字符串。
- language：语言，数据类型为字符串。
- language_score：语言评分，数据类型为浮点数。
- token_count：词条计数，数据类型为整数。
数据集划分
- train：训练集，包含5000000个样本，占用17140229624字节。
数据集大小
- 下载大小：10248499971字节。
- 数据集大小：17140229624字节。
配置
- config_name：default
- data_files：
- split：train
- path：data/train-*
