Writer/TinyStoriesInstruct-v0-32k-0.1

该数据集包含多个特征字段，包括id、source、tokens和messages等。messages字段是一个列表，包含content、id、role和tokens等子字段。数据集分为训练集和测试集，训练集包含15526个样本，测试集包含157个样本。数据集的下载大小为1205335410字节，总大小为2690015924字节。

The dataset contains multiple feature fields, including id, source, tokens, and messages. The messages field is a list containing subfields such as content, id, role, and tokens. The dataset is divided into a training set and a test set, with the training set containing 15,526 samples and the test set containing 157 samples. The download size of the dataset is 1,205,335,410 bytes, and the total size is 2,690,015,924 bytes.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • id: 类型为字符串。
  • source: 类型为字符串。
  • tokens: 类型为64位整数。
  • messages: 列表类型，包含以下子特征:
    • content: 类型为字符串。
    • id: 类型为字符串。
    • role: 类型为字符串。
    • tokens: 类型为64位整数。

数据集分割

• 训练集:
  • 文件大小: 2,663,140,209字节
  • 样本数量: 15,526
• 测试集:
  • 文件大小: 26,875,715字节
  • 样本数量: 157

数据集大小

• 下载大小: 1,205,335,410字节
• 总数据集大小: 2,690,015,924字节

配置信息

• 配置名称: default
  • 数据文件:
    • 训练集路径: data/train-*
    • 测试集路径: data/test-*