umarigan/turkish_corpus_tokenized
收藏Hugging Face2023-10-06 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/umarigan/turkish_corpus_tokenized
下载链接
链接失效反馈官方服务：
资源简介：
---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: valid
path: data/valid-*
dataset_info:
features:
- name: input_ids
sequence: int32
splits:
- name: train
num_bytes: 49605042096
num_examples: 48253932
- name: valid
num_bytes: 595216112
num_examples: 579004
download_size: 24336775144
dataset_size: 50200258208
---
# Dataset Card for "turkish_corpus_tokenized"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
umarigan
原始信息汇总
数据集概述
数据集配置
- 配置名称: default
- 数据文件:
- 训练集: data/train-*
- 验证集: data/valid-*
数据集信息
- 特征:
- 名称: input_ids
- 类型: int32
- 分割:
- 训练集:
- 字节数: 49605042096
- 样本数: 48253932
- 验证集:
- 字节数: 595216112
- 样本数: 579004
- 训练集:
- 下载大小: 24336775144
- 数据集大小: 50200258208
