vietgpt/wikipedia_en

---
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 21102365479
num_examples: 6623239
download_size: 12161597141
dataset_size: 21102365479
task_categories:
- text-generation
language:
- en
tags:
- LM
size_categories:
- 1M<n<10M
---
# Wikipedia

- Source: https://huggingface.co/datasets/wikipedia
- Num examples: 6,623,239
- Language: English

```python
from datasets import load_dataset

load_dataset("tdtunlp/wikipedia_en")
```

原始信息汇总

数据集概述

数据集信息

• 特征:
  • id: 字符串类型
  • url: 字符串类型
  • title: 字符串类型
  • text: 字符串类型
• 分割:
  • train:
    • 字节数: 21,102,365,479
    • 样本数: 6,623,239
• 下载大小: 12,161,597,141 字节
• 数据集大小: 21,102,365,479 字节

任务类别

• 文本生成

语言

• 英语

标签

• LM

大小类别

• 1M<n<10M