ohsuz/fineweb-edu-2024-10-from-1M-to-2M

该数据集包含一个名为text的特征，数据类型为字符串。数据集分为一个训练集（train），包含1,000,000个样本，总大小为5,282,497,911字节。下载大小为3,009,725,322字节。数据集的配置名为default，数据文件路径为data/train-*。

The dataset contains a feature named text with a data type of string. The dataset is divided into a training set (train) containing 1,000,000 samples, with a total size of 5,282,497,911 bytes. The download size is 3,009,725,322 bytes. The dataset configuration is named default, and the data file path is data/train-*.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • 名称: text
  • 数据类型: string

数据分割

• 训练集:
  • 名称: train
  • 字节数: 5282497911
  • 样本数: 1000000

数据集大小

• 下载大小: 3009725322
• 数据集大小: 5282497911

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*