five

orionweller/dolma_20bn_prop_stratified_sample

收藏
Hugging Face2024-06-18 更新2024-06-29 收录
下载链接:
https://hf-mirror.com/datasets/orionweller/dolma_20bn_prop_stratified_sample
下载链接
链接失效反馈
官方服务:
资源简介:
--- dataset_info: features: - name: id dtype: string - name: text dtype: string - name: added dtype: string - name: created dtype: string - name: source dtype: string - name: original_shard_dir dtype: string - name: original_shard_idx dtype: int64 - name: num_tokens dtype: int64 splits: - name: shard_0 num_bytes: 10004058054 num_examples: 2891134 - name: shard_1 num_bytes: 10115014699 num_examples: 3107821 - name: shard_2 num_bytes: 10003965839 num_examples: 2767485 - name: shard_3 num_bytes: 10105104758 num_examples: 2780370 - name: shard_4 num_bytes: 10076669237 num_examples: 2703160 - name: shard_5 num_bytes: 10070453626 num_examples: 2801525 - name: shard_6 num_bytes: 10026306308 num_examples: 2894785 - name: shard_7 num_bytes: 10055888005 num_examples: 2961433 - name: shard_8 num_bytes: 10045373058 num_examples: 3773801 download_size: 54067885359 dataset_size: 90502833584 configs: - config_name: default data_files: - split: shard_0 path: data/shard_0-* - split: shard_1 path: data/shard_1-* - split: shard_2 path: data/shard_2-* - split: shard_3 path: data/shard_3-* - split: shard_4 path: data/shard_4-* - split: shard_5 path: data/shard_5-* - split: shard_6 path: data/shard_6-* - split: shard_7 path: data/shard_7-* - split: shard_8 path: data/shard_8-* ---
提供机构:
orionweller
原始信息汇总

数据集概述

数据集特征

  • id: 字符串类型
  • text: 字符串类型
  • added: 字符串类型
  • created: 字符串类型
  • source: 字符串类型
  • original_shard_dir: 字符串类型
  • original_shard_idx: 整数类型 (int64)
  • num_tokens: 整数类型 (int64)

数据集分片

  • shard_0:
    • 字节数: 10004058054
    • 样本数: 2891134
  • shard_1:
    • 字节数: 10115014699
    • 样本数: 3107821
  • shard_2:
    • 字节数: 10003965839
    • 样本数: 2767485
  • shard_3:
    • 字节数: 10105104758
    • 样本数: 2780370
  • shard_4:
    • 字节数: 10076669237
    • 样本数: 2703160
  • shard_5:
    • 字节数: 10070453626
    • 样本数: 2801525
  • shard_6:
    • 字节数: 10026306308
    • 样本数: 2894785
  • shard_7:
    • 字节数: 10055888005
    • 样本数: 2961433
  • shard_8:
    • 字节数: 10045373058
    • 样本数: 3773801

数据集大小

  • 下载大小: 54067885359 字节
  • 数据集大小: 90502833584 字节

配置

  • config_name: default
    • data_files:
      • split: shard_0
        • path: data/shard_0-*
      • split: shard_1
        • path: data/shard_1-*
      • split: shard_2
        • path: data/shard_2-*
      • split: shard_3
        • path: data/shard_3-*
      • split: shard_4
        • path: data/shard_4-*
      • split: shard_5
        • path: data/shard_5-*
      • split: shard_6
        • path: data/shard_6-*
      • split: shard_7
        • path: data/shard_7-*
      • split: shard_8
        • path: data/shard_8-*
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作