mponty/refinedweb_docs
收藏Hugging Face2023-11-01 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/mponty/refinedweb_docs
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: content
dtype: string
- name: url
dtype: string
- name: timestamp
dtype: timestamp[ms]
- name: dump
dtype: string
- name: segment
dtype: string
- name: image_urls
dtype: string
- name: netloc
dtype: string
splits:
- name: train
num_bytes: 1673890461
num_examples: 571945
download_size: 859841747
dataset_size: 1673890461
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "refinedweb_docs"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
mponty
原始信息汇总
数据集概述
数据集信息
特征
- content: 数据类型为字符串。
- url: 数据类型为字符串。
- timestamp: 数据类型为时间戳（毫秒）。
- dump: 数据类型为字符串。
- segment: 数据类型为字符串。
- image_urls: 数据类型为字符串。
- netloc: 数据类型为字符串。
数据分割
- train: 包含571945个样本，总字节数为1673890461。
数据集大小
- 下载大小: 859841747字节。
- 数据集大小: 1673890461字节。
配置
- config_name: default
- data_files:
- split: train
- path: data/train-*
- data_files:
