ohsuz/fineweb-edu-2024-10-from-6M-to-7M

该数据集包含一个名为text的字符串类型字段，主要用于文本数据的存储。数据集包含一个训练集分割，共有1,000,000个样本，数据总大小为4,955,711,622字节。下载大小为2,867,848,022字节。数据文件路径为data/train-*。

The dataset contains a field named text of string type, primarily used for storing text data. It includes a training set split with 1,000,000 samples, totaling 4,955,711,622 bytes in size. The download size is 2,867,848,022 bytes. The data files are located at 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

• 分割名称: train
  • 字节数: 4955711622
  • 样本数: 1000000

数据集大小

• 下载大小: 2867848022
• 数据集大小: 4955711622

配置

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