ruliad/fineweb_350BT_chunk_24
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_24
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（text）、唯一标识符（id）、日期（date）、文件路径（file_path）等，以及语言信息和文本的标记计数。数据集主要分为训练集，包含5000000个样本，总大小为17027476452字节。
该数据集包含多个特征，包括文本内容（text）、唯一标识符（id）、日期（date）、文件路径（file_path）等，以及语言信息和文本的标记计数。数据集主要分为训练集，包含5000000个样本，总大小为17027476452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
数据集划分
- 训练集（train）：
- 示例数量：5000000
- 数据大小：17027476452 字节
数据集大小
- 下载大小：10195357607 字节
- 数据集总大小：17027476452 字节
配置
- 默认配置（default）：
- 训练数据路径：
data/train-*
- 训练数据路径：
