YBXL/train_chat

该数据集包含多个特征字段，包括id、conversations（包含role和content）和text。数据集被分为训练集、验证集和测试集，分别包含621425、200和200个样本。训练集的大小约为742626041.77字节，验证集和测试集的大小均为427082字节。数据集的下载大小为362736123字节，总大小为743480205.77字节。数据文件的路径和分割方式在配置部分进行了详细描述。

The dataset contains multiple feature fields, including id, conversations (containing role and content), and text. The dataset is divided into training, validation, and test sets, containing 621425, 200, and 200 samples respectively. The size of the training set is approximately 742626041.77 bytes, while the validation and test sets are each 427082 bytes. The download size of the dataset is 362736123 bytes, and the total size is 743480205.77 bytes. The configuration section details the paths and splitting methods of the data files.

原始信息汇总

数据集概述

数据集特征

• id: 数据类型为字符串。
• conversations: 包含以下子特征：
  • role: 数据类型为字符串。
  • content: 数据类型为字符串。
• text: 数据类型为字符串。

数据集划分

• train: 包含621,425个样本，占用742,626,041.77字节。
• valid: 包含200个样本，占用427,082字节。
• test: 包含200个样本，占用427,082字节。

数据集大小

• 下载大小: 362,736,123字节。
• 总数据集大小: 743,480,205.77字节。

配置

• default: 包含以下数据文件路径：
  • train: data/train-*
  • valid: data/valid-*
  • test: data/test-*