ohsuz/fineweb-edu-2024-10-from-3M-to-4M

该数据集包含一个名为text的字段，数据类型为字符串。数据集包含一个名为train的分割，该分割包含1,000,000个样本，占用5,125,222,747字节。下载大小为2,946,426,485字节，数据集总大小为5,125,222,747字节。默认配置下，数据文件位于data/train-*路径下。

The dataset contains a field named text with a data type of string. The dataset includes a split named train, which contains 1,000,000 samples and occupies 5,125,222,747 bytes. The download size is 2,946,426,485 bytes, and the total dataset size is 5,125,222,747 bytes. Under the default configuration, the data files are located at the path data/train-*.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • 名称: text
  • 数据类型: string

数据分割

• 训练集:
  • 名称: train
  • 字节数: 5125222747
  • 样本数: 1000000

数据集大小

• 下载大小: 2946426485
• 数据集大小: 5125222747

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*