thesistranslation/distilled-ccmatrix-en-es

数据集名为distilled-ccmatrix-en-es，包含英语和西班牙语之间的翻译数据。数据集的特征包括id和translation，其中translation字段包含两种语言的翻译对。数据集分为一个训练集，包含30,000,000个样本，文件大小为7,084,246,805字节。下载大小为4,913,968,666字节。数据集的语言为英语和西班牙语。

原始信息汇总

数据集概述

数据集信息

• 特征:
  • id: 数据类型为 int32
  • translation: 包含两种语言的翻译，分别是 en (英语) 和 es (西班牙语)

数据分割

• 训练集:
  • 名称: train
  • 字节数: 7084246805
  • 样本数: 30000000

数据集大小

• 下载大小: 4913968666
• 数据集大小: 7084246805

语言

• 西班牙语 (es)
• 英语 (en)