ruliad/fineweb_350BT_chunk_32
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_32
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、日期、文件路径等，并特别关注语言和语言得分。数据集主要分为训练集，包含500万个样本，总大小为17130785939字节。下载大小为10242802009字节。
该数据集包含多种特征，如文本、ID、日期、文件路径等，并特别关注语言和语言得分。数据集主要分为训练集，包含500万个样本，总大小为17130785939字节。下载大小为10242802009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
- train：
- 字节数：17130785939
- 示例数：5000000
数据集大小
- 下载大小：10242802009
- 数据集大小：17130785939
配置
- default：
- 训练数据路径：
data/train-*
- 训练数据路径：
