deven367/babylm-100M-open-subtitles

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: valid
path: data/valid-*
- split: test
path: data/test-*
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 182785703
num_examples: 5433939
- name: valid
num_bytes: 17333152
num_examples: 529410
- name: test
num_bytes: 16275666
num_examples: 489448
download_size: 145946881
dataset_size: 216394521
---
# Dataset Card for "babylm-100M-open-subtitles"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

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-*
  • 测试集: data/test-*

数据集信息

• 特征:
  • 名称: text
  • 数据类型: string
• 分割:
  • 训练集:
    • 字节数: 182785703
    • 样本数: 5433939
  • 验证集:
    • 字节数: 17333152
    • 样本数: 529410
  • 测试集:
    • 字节数: 16275666
    • 样本数: 489448
• 下载大小: 145946881
• 数据集大小: 216394521