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-*