chronbmm/sanskrit-sandhi-split-sighum3

---
dataset_info:
features:
- name: sentence
dtype: string
- name: unsandhied
dtype: string
splits:
- name: train
num_bytes: 10927715
num_examples: 99260
- name: validation
num_bytes: 470628
num_examples: 4200
- name: test
num_bytes: 470628
num_examples: 4200
- name: test_500
num_bytes: 58795
num_examples: 500
- name: validation_500
num_bytes: 58795
num_examples: 500
download_size: 7425957
dataset_size: 11986561
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
- split: test_500
path: data/test_500-*
- split: validation_500
path: data/validation_500-*
---

原始信息汇总

数据集概述

数据特征

• sentence: 数据类型为字符串。
• unsandhied: 数据类型为字符串。

数据分割

• train: 包含99260个样本，大小为10927715字节。
• validation: 包含4200个样本，大小为470628字节。
• test: 包含4200个样本，大小为470628字节。
• test_500: 包含500个样本，大小为58795字节。
• validation_500: 包含500个样本，大小为58795字节。

数据集大小

• 下载大小: 7425957字节。
• 数据集总大小: 11986561字节。

配置信息

• config_name: default
  • train: 文件路径为data/train-*
  • validation: 文件路径为data/validation-*
  • test: 文件路径为data/test-*
  • test_500: 文件路径为data/test_500-*
  • validation_500: 文件路径为data/validation_500-*