kanishka/counterfactual_babylm_aann_dtanns

该数据集包含一个名为text的字段，数据类型为字符串。数据集分为训练集和验证集，训练集包含11,649,164个样本，占用581,794,494字节；验证集包含1,026,747个样本，占用56,120,230字节。数据集的下载大小为421,653,412字节，总大小为637,914,724字节。数据文件的路径分别为train-*和validation-*。

The dataset contains a field named text with a data type of string. The dataset is divided into a training set and a validation set. The training set contains 11,649,164 samples, occupying 581,794,494 bytes; the validation set contains 1,026,747 samples, occupying 56,120,230 bytes. The download size of the dataset is 421,653,412 bytes, and the total size is 637,914,724 bytes. The paths for the data files are train-* and validation-* respectively.

原始信息汇总

数据集概述

数据特征

• 名称: text
• 数据类型: string

数据分割

• 训练集
  • 文件大小: 581794494 字节
  • 样本数量: 11649164
• 验证集
  • 文件大小: 56120230 字节
  • 样本数量: 1026747

数据集大小

• 下载大小: 421653412 字节
• 总大小: 637914724 字节

配置

• 配置名称: default
  • 数据文件路径
    • 训练集: data/train-*
    • 验证集: data/validation-*