ruliad/fineweb_350BT_chunk_47
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_47
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含多个字段，包括文本、ID、转储、URL、日期、文件路径、语言、语言评分和词数统计。数据集主要用于存储和处理与文本相关的信息，可能用于自然语言处理任务，如文本分类、语言识别或文本分析。数据集包含一个训练分割，共有5,000,000个样本，总大小为17,168,496,055字节。
该数据集包含多个字段，包括文本、ID、转储、URL、日期、文件路径、语言、语言评分和词数统计。数据集主要用于存储和处理与文本相关的信息，可能用于自然语言处理任务，如文本分类、语言识别或文本分析。数据集包含一个训练分割，共有5,000,000个样本，总大小为17,168,496,055字节。
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
数据集划分
- 训练集（train）：
- 数据量：5000000个样本
- 大小：17168496055字节
数据集大小
- 下载大小：10258575715字节
- 数据集总大小：17168496055字节
配置
- 默认配置（default）：
- 训练数据文件路径：
data/train-*
- 训练数据文件路径：
