AlexHung29629/oscar-en-10k-megds
收藏官方服务:
资源简介:
--- task_categories: - text-generation language: - en size_categories: - 1K<n<10K --- # README This dataset is used to test the training of the LLAMA model with Megatron-Deepspeed. ## Source stas/oscar-en-10k ## Command ```bash python tools/preprocess_data.py \ --input oscar-en-10k.jsonl \ --tokenizer-type PretrainedFromHF \ --append-eod \ --tokenizer-name-or-path hf-internal-testing/llama-tokenizer \ --output-prefix oscar-en-10k ``` ## Info \#tokens = 34030076
提供机构:
AlexHung29629原始信息汇总
数据集概述
基本信息
- 任务类别: 文本生成
- 语言: 英语
- 数据集大小: 1K<n<10K
用途
用于测试LLAMA模型与Megatron-Deepspeed的训练。
数据源
- 来源: stas/oscar-en-10k
处理命令
bash python tools/preprocess_data.py --input oscar-en-10k.jsonl --tokenizer-type PretrainedFromHF --append-eod --tokenizer-name-or-path hf-internal-testing/llama-tokenizer --output-prefix oscar-en-10k
数据集统计
- 总令牌数: 34030076



