ohsuz/fineweb-edu-2024-10-from-2M-to-3M

该数据集包含一个名为text的字符串类型特征，主要用于训练目的。数据集被分割为训练集，包含1,000,000个样本，总大小为5,210,155,438字节。下载大小为2,984,118,787字节。默认配置下的数据文件路径为data/train-*。

The dataset contains a feature named text of string type, primarily used for training purposes. The dataset is split into a training set containing 1,000,000 samples, with a total size of 5,210,155,438 bytes. The download size is 2,984,118,787 bytes. The data file path under the default configuration is data/train-*.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • 名称: text
  • 数据类型: string

数据分割

• 分割名称: train
  • 字节数: 5210155438
  • 样本数: 1000000

数据集大小

• 下载大小: 2984118787
• 数据集大小: 5210155438

配置

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