deven367/babylm-100M-wikipedia

---
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: 62201423
num_examples: 203192
- name: valid
num_bytes: 7089834
num_examples: 23526
- name: test
num_bytes: 7569053
num_examples: 26870
download_size: 46375519
dataset_size: 76860310
---
# Dataset Card for "babylm-100M-wikipedia"

[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：
  • 训练集：路径为 data/train-*
  • 验证集：路径为 data/valid-*
  • 测试集：路径为 data/test-*

数据集信息

• 特征：

  • 名称：text
  • 数据类型：string

• 拆分：

  • 训练集：
    • 字节数：62201423
    • 样本数：203192
  • 验证集：
    • 字节数：7089834
    • 样本数：23526
  • 测试集：
    • 字节数：7569053
    • 样本数：26870

• 下载大小：46375519 字节

• 数据集大小：76860310 字节