pacozaa/sharegpt90k-cleanned

--- dataset_info: features: - name: id dtype: string - name: conversations sequence: - name: from dtype: string - name: value dtype: string - name: text dtype: string splits: - name: train num_bytes: 2257960692 num_examples: 90665 download_size: 764314309 dataset_size: 2257960692 configs: - config_name: default data_files: - split: train path: data/train-* license: mit task_categories: - text-generation tags: - chatml - sharegpt - unsloth - chat --- # ShareGPT90K Clean HTML Tag ## Description Clean the `<div>` and `<p>` tag from https://huggingface.co/datasets/liyucheng/ShareGPT90K ## Usage Use `text` key - to access cleanned data with ChatML format ``` from datasets import load_dataset dataset = load_dataset("pacozaa/sharegpt90k-cleanned", split = "train") print(dataset[5]['text']) ```

原始信息汇总

数据集概述

数据集基本信息

• 名称: ShareGPT90K Clean HTML Tag
• 特征:
  • id: 数据类型为字符串。
  • conversations:
    • from: 数据类型为字符串。
    • value: 数据类型为字符串。
  • text: 数据类型为字符串。

数据集划分

• 训练集:
  • 大小: 2257960692 字节
  • 示例数量: 90665

数据集大小与下载大小

• 下载大小: 764314309 字节
• 数据集大小: 2257960692 字节

许可证

• 许可证: MIT

任务类别

• 任务类别: 文本生成

标签

• 标签:
  • chatml
  • sharegpt
  • unsloth
  • chat