robbiegwaldd/dclm-10B
收藏Hugging Face2024-07-02 更新2024-07-06 收录
下载链接：
https://hf-mirror.com/datasets/robbiegwaldd/dclm-10B
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是从dclm-baseline数据集中提取的100亿个GPT-2 tokens，并以parquet格式存储。数据集遵循CC-4.0许可证。
This dataset consists of 10 billion GPT-2 tokens extracted and parquetified from the dclm-baseline dataset. It follows the CC-4.0 license.
提供机构：
robbiegwaldd
原始信息汇总
数据集概述
数据集名称
10 billion GPT-2 tokens extracted and parquetified from the dclm-baseline dataset
数据集来源
- 原始数据集：dclm-baseline dataset
- 原始数据集链接：https://huggingface.co/datasets/mlfoundations/dclm-baseline-1.0
数据集内容
- 包含10亿个GPT-2 token
- 数据格式：parquet
数据集许可证
- 许可证类型：CC-BY-4.0
