ruliad/fineweb_350BT_chunk_74
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_74
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，如文本、ID、转储、URL、日期、文件路径、语言、语言评分和词数统计。数据集分为一个训练集，包含500万个样本，总大小为17339930976字节。下载大小为10337619850字节。配置信息指定了数据文件的路径。
该数据集包含多个特征，如文本、ID、转储、URL、日期、文件路径、语言、语言评分和词数统计。数据集分为一个训练集，包含500万个样本，总大小为17339930976字节。下载大小为10337619850字节。配置信息指定了数据文件的路径。
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
数据集分割
- train：
- 数据量：5000000条
- 大小：17339930976字节
数据集大小
- 下载大小：10337619850字节
- 数据集总大小：17339930976字节
配置
- default：
- 训练数据路径：
data/train-*
- 训练数据路径：
