chronbmm/sanskrit-sandhi-split-sighum7

---
dataset_info:
features:
- name: sentence
dtype: string
- name: unsandhied
dtype: string
splits:
- name: train
num_bytes: 10969304
num_examples: 99854
- name: validation
num_bytes: 470141
num_examples: 4200
- name: test
num_bytes: 470141
num_examples: 4200
- name: test_500
num_bytes: 58711
num_examples: 500
- name: validation_500
num_bytes: 58795
num_examples: 500
download_size: 7463480
dataset_size: 12027092
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
- split: test_500
path: data/test_500-*
- split: validation_500
path: data/validation_500-*
---

原始信息汇总

数据集概述

数据集特征

• sentence：数据类型为字符串。
• unsandhied：数据类型为字符串。

数据集分割

• 训练集：包含99,854个样本，总大小为10,969,304字节。
• 验证集：包含4,200个样本，总大小为470,141字节。
• 测试集：包含4,200个样本，总大小为470,141字节。
• 测试集_500：包含500个样本，总大小为58,711字节。
• 验证集_500：包含500个样本，总大小为58,795字节。

数据集大小

• 下载大小：7,463,480字节。
• 数据集总大小：12,027,092字节。

数据文件配置

• 默认配置：
  • 训练集路径：data/train-*
  • 验证集路径：data/validation-*
  • 测试集路径：data/test-*
  • 测试集_500路径：data/test_500-*
  • 验证集_500路径：data/validation_500-*