Dhahlan2000/large-dataset-GPT

---
dataset_info:
features:
- name: english
dtype: string
- name: sinhala
dtype: string
splits:
- name: train
num_bytes: 6346666810
num_examples: 32713764
- name: test
num_bytes: 4097
num_examples: 47
download_size: 3564938334
dataset_size: 6346670907
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• english: 数据类型为字符串。
• sinhala: 数据类型为字符串。

数据集划分

• 训练集 (train):
  • 示例数量: 32713764
  • 数据大小: 6346666810 字节
• 测试集 (test):
  • 示例数量: 47
  • 数据大小: 4097 字节

数据集大小

• 下载大小: 3564938334 字节
• 总数据集大小: 6346670907 字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*