emozilla/Long-Data-Collections-Pretrain-Without-Books
收藏Hugging Face2023-10-09 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/emozilla/Long-Data-Collections-Pretrain-Without-Books
下载链接
链接失效反馈官方服务：
资源简介：
这是一个不包含书籍的预训练分割的Paraquet版本数据集，源自togethercomputer/Long-Data-Collections。数据集包含一个名为text的字符串类型特征，并且只有一个train分割，该分割包含9383848个示例，总字节数为236565210292。数据集的下载大小为25749677954，数据集大小为236565210292。统计信息显示，总字符数为236088622215，平均字符数为25159.041601590307。
提供机构：
emozilla
原始信息汇总
数据集卡片 "Long-Data-Collections-Pretrain-Without-Books"
配置
- 配置名称: default
- 数据文件:
- 分割: train
- 路径: data/train-*
数据集信息
- 特征:
- 名称: text
- 数据类型: string
- 分割:
- 名称: train
- 字节数: 236565210292
- 样本数: 9383848
- 下载大小: 25749677954
- 数据集大小: 236565210292
统计信息
- 总长度 (以字符计): 236088622215
- 平均长度 (以字符计): 25159.041601590307
