kanishka/counterfactual_babylm_aann_high_variability_numeral

该数据集包含一个名为text的字符串类型特征。数据集分为训练集和验证集两部分，训练集包含11,635,829个样本，验证集包含1,026,747个样本。数据集的下载大小为421,738,763字节，总大小为637,957,046字节。

The dataset contains a feature named text of string type. The dataset is divided into a training set and a validation set, with the training set containing 11,635,829 samples and the validation set containing 1,026,747 samples. The download size of the dataset is 421,738,763 bytes, and the total size is 637,957,046 bytes.

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
  • 名称: train
  • 字节数: 581836816
  • 样本数: 11635829
• 验证集
  • 名称: validation
  • 字节数: 56120230
  • 样本数: 1026747

数据集大小

• 下载大小: 421738763
• 数据集总大小: 637957046

配置

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