JosefAlbers/sharegpt_python_mlx

该数据集包含id、gte和phi三个特征。id为字符串类型，gte为包含float32类型序列的序列类型，phi为字符串类型。数据集分为训练集，包含142341个样本，总大小为842584329字节。数据集的下载大小为796030876字节。数据集的处理流程包括加载原始数据集、过滤特定语言（Python）的样本、过滤包含特定短语的样本、将对话分离为人类和GPT的列、嵌入人类对话、清理数据集并上传到Hub。

原始信息汇总

数据集概述

基本信息

• 许可证: Apache 2.0
• 下载大小: 796030876 字节
• 数据集大小: 842584329 字节

数据集配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

数据特征

• 特征:
  • id: 字符串类型
  • gte: 浮点数序列
  • phi: 字符串类型

数据分割

• 训练集:
  • 样本数量: 142341
  • 字节数: 842584329