polinaeterna/test_index

---
dataset_info:
features:
- name: id
dtype: string
- name: audio
dtype:
audio:
decode: false
- name: duration_ms
dtype: int32
- name: transcription
dtype: string
- name: transcription_null
dtype: string
- name: audio_null
dtype:
audio:
decode: false
- name: image
dtype: image
- name: image_null
dtype:
image:
decode: false
- name: text
dtype: string
- name: dump
dtype: string
- name: url
dtype: string
- name: date
dtype: string
- name: file_path
dtype: string
- name: language
dtype:
class_label:
names:
'0': en
'1': other
- name: language_score
dtype: float64
- name: token_count
dtype: int64
- name: language_null
dtype:
class_label:
names:
'0': en
'1': other
- name: language_score_null
dtype: float64
- name: token_count_null
dtype: int64
splits:
- name: train
num_bytes: 3857610358.9
num_examples: 12300
download_size: 3765439616
dataset_size: 3857610358.9
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• audio: 音频类型，解码：否
• duration_ms: 整数类型（int32）
• transcription: 字符串类型
• transcription_null: 字符串类型
• audio_null: 音频类型，解码：否
• image: 图像类型
• image_null: 图像类型，解码：否
• text: 字符串类型
• dump: 字符串类型
• url: 字符串类型
• date: 字符串类型
• file_path: 字符串类型
• language: 分类标签类型，标签名：0: en, 1: other
• language_score: 浮点数类型（float64）
• token_count: 整数类型（int64）
• language_null: 分类标签类型，标签名：0: en, 1: other
• language_score_null: 浮点数类型（float64）
• token_count_null: 整数类型（int64）

数据集分割

• train:
  • 数据量: 3857610358.9 字节
  • 示例数: 12300

数据集大小

• 下载大小: 3765439616 字节
• 数据集大小: 3857610358.9 字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*