enwik8
收藏kaggle2023-06-24 更新2024-03-08 收录
下载链接：
https://www.kaggle.com/datasets/nightfury1103/enwik8
下载链接
链接失效反馈官方服务：
资源简介：
应用场景：
创建时间：
2023-06-24
相关数据集
enwik8
The enwik8 dataset is the first 100,000,000 (100M) bytes of the English Wikipedia XML dump on Mar. 3, 2006 and is typically used to measure a model's ability to compress data.
OpenXLab10
leloy/enwik8
该数据集包含一个名为context128-stride1的配置，该配置下有训练集、验证集和测试集三个数据分割。训练集包含89,999,873个样本，验证集和测试集各包含4,999,873个样本。数据集的总下载大小为1,872,553,618字节，总大小为13,199,949,708字节。
Hugging Face2024-08-25 更新60
abr73/enwik8
--- dataset_info: config_name: context128-stride1 features: - name: input_ids sequence: uint8 splits: - name: train num_bytes: 11879983236 num_examples: 89999873 - name: valid
Hugging Face2026-04-24 更新00
Enwik8
The Enwik8 dataset is a large-scale language modeling dataset.
DataCite Commons2026-01-07 更新1450
LTCB/enwik8
enwik8数据集是从2006年3月3日的英文维基百科XML转储中提取的前100,000,000字节数据。该数据集通常用于衡量模型的数据压缩能力。数据集包含两个配置：enwik8和enwik8-raw，分别包含1128024个和1个训练样本。数据集的字段为`text`，类型为字符串。数据集的大小为102.38 MB，下载文件大小为36.45 MB。数据集支持的任务包括填充掩码和文本生成，主要用于语
Hugging Face2024-01-18 更新2990
