deven367/babylm-100M-simple-wikipedia

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: valid
path: data/valid-*
- split: test
path: data/test-*
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 89553968
num_examples: 567006
- name: valid
num_bytes: 9591764
num_examples: 60977
- name: test
num_bytes: 11102812
num_examples: 66392
download_size: 66257903
dataset_size: 110248544
---
# Dataset Card for "babylm-100M-simple-wikipedia"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

配置

• 默认配置 (default)
  • 数据文件路径：
    • 训练集 (train): data/train-*
    • 验证集 (valid): data/valid-*
    • 测试集 (test): data/test-*

数据集信息

• 特征：

  • 名称：text
  • 数据类型：string

• 数据分割：

  • 训练集 (train)
    • 字节数：89553968
    • 样本数：567006
  • 验证集 (valid)
    • 字节数：9591764
    • 样本数：60977
  • 测试集 (test)
    • 字节数：11102812
    • 样本数：66392

• 数据集大小：

  • 下载大小：66257903 字节
  • 数据集总大小：110248544 字节