wygao8/13B-LoRA-DP0.5-BG5-R2

该数据集是一个多语言翻译数据集，包含多种语言对的翻译数据，如捷克语-英语（cs-en）、德语-英语（de-en）、冰岛语-英语（is-en）、俄语-英语（ru-en）和中文-英语（zh-en）。每个语言对的数据集包含翻译特征，其中包括不同语言的文本序列和对应的浮点数序列。数据集分为训练集，并提供了每个配置的下载大小和数据集大小。

This dataset is a multilingual translation dataset containing translation data for multiple language pairs, such as Czech-English (cs-en), German-English (de-en), Icelandic-English (is-en), Russian-English (ru-en), and Chinese-English (zh-en). Each language pairs dataset includes translation features, which consist of text sequences in different languages and corresponding float sequences. The dataset is divided into a training set, and the download size and dataset size for each configuration are provided.

原始信息汇总

数据集概述

数据集配置

cs-en

• 特征:
  • translation:
    • alma_cs: 字符串序列
    • alma_cs_kiwi-xl: 浮点数序列
    • alma_en: 字符串序列
    • alma_en_kiwi-xl: 浮点数序列
    • cs: 字符串
    • en: 字符串
    • language_pair: 字符串
    • required_directions: 字符串
• 分割:
  • train:
    • 字节数: 6651978
    • 样本数: 2009
• 下载大小: 1946482 字节
• 数据集大小: 6651978 字节

de-en

• 特征:
  • translation:
    • alma_de: 字符串序列
    • alma_de_kiwi-xl: 浮点数序列
    • alma_en: 字符串序列
    • alma_en_kiwi-xl: 浮点数序列
    • de: 字符串
    • en: 字符串
    • language_pair: 字符串
    • required_directions: 字符串
• 分割:
  • train:
    • 字节数: 6911530
    • 样本数: 2009
• 下载大小: 1908867 字节
• 数据集大小: 6911530 字节

is-en

• 特征:
  • translation:
    • alma_en: 字符串序列
    • alma_en_kiwi-xl: 浮点数序列
    • alma_is: 字符串序列
    • alma_is_kiwi-xl: 浮点数序列
    • en: 字符串
    • is: 字符串
    • language_pair: 字符串
    • required_directions: 字符串
• 分割:
  • train:
    • 字节数: 6767686
    • 样本数: 2009
• 下载大小: 1956929 字节
• 数据集大小: 6767686 字节

ru-en

• 特征:
  • translation:
    • alma_en: 字符串序列
    • alma_en_kiwi-xl: 浮点数序列
    • alma_ru: 字符串序列
    • alma_ru_kiwi-xl: 浮点数序列
    • en: 字符串
    • language_pair: 字符串
    • required_directions: 字符串
    • ru: 字符串
• 分割:
  • train:
    • 字节数: 9286194
    • 样本数: 2009
• 下载大小: 2305979 字节
• 数据集大小: 9286194 字节

zh-en

• 特征:
  • translation:
    • alma_en: 字符串序列
    • alma_en_kiwi-xl: 浮点数序列
    • alma_zh: 字符串序列
    • alma_zh_kiwi-xl: 浮点数序列
    • en: 字符串
    • language_pair: 字符串
    • required_directions: 字符串
    • zh: 字符串
• 分割:
  • train:
    • 字节数: 6323704
    • 样本数: 2009
• 下载大小: 1921532 字节
• 数据集大小: 6323704 字节

数据文件路径

• cs-en:
  • train: cs-en/train-*
• de-en:
  • train: de-en/train-*
• is-en:
  • train: is-en/train-*
• ru-en:
  • train: ru-en/train-*
• zh-en:
  • train: zh-en/train-*