deven367/babylm-100M-gutenberg

---
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: 57259434
num_examples: 898293
- name: valid
num_bytes: 5158276
num_examples: 80469
- name: test
num_bytes: 6995971
num_examples: 106624
download_size: 44998710
dataset_size: 69413681
---
# Dataset Card for "babylm-100M-gutenberg"

[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：57,259,434
    • 样本数：898,293
  • 验证集 (valid)
    • 字节数：5,158,276
    • 样本数：80,469
  • 测试集 (test)
    • 字节数：6,995,971
    • 样本数：106,624

• 数据集大小：

  • 下载大小：44,998,710 字节
  • 数据集大小：69,413,681 字节