deven367/babylm-10M

---
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: 57630095
num_examples: 1015521
- name: valid
num_bytes: 54930583
num_examples: 986022
- name: test
num_bytes: 59992087
num_examples: 1008854
download_size: 108516100
dataset_size: 172552765
---
# Dataset Card for "babylm-10M"

[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：57630095
    • 样本数：1015521
  • 验证集 (valid)
    • 字节数：54930583
    • 样本数：986022
  • 测试集 (test)
    • 字节数：59992087
    • 样本数：1008854

• 数据集大小：

  • 下载大小：108516100 字节
  • 数据集大小：172552765 字节