chronbmm/sanskrit-unsandhi-without-rec

---
dataset_info:
features:
- name: sentence
dtype: string
- name: unsandhied
dtype: string
splits:
- name: train
num_bytes: 20882265
num_examples: 153347
- name: validation
num_bytes: 1055410
num_examples: 8190
- name: test
num_bytes: 1065484
num_examples: 8398
download_size: 13453451
dataset_size: 23003159
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

特征

• sentence: 数据类型为字符串。
• unsandhied: 数据类型为字符串。

数据分割

• 训练集: 包含153,347个样本，总大小为20,882,265字节。
• 验证集: 包含8,190个样本，总大小为10,554,10字节。
• 测试集: 包含8,398个样本，总大小为10,654,84字节。

数据集大小

• 下载大小: 13,453,451字节。
• 数据集总大小: 23,003,159字节。

配置

• 默认配置:
  • 训练数据路径: data/train-*
  • 验证数据路径: data/validation-*
  • 测试数据路径: data/test-*