simple-pretraining/wikipedia_chunked
收藏Hugging Face2023-11-18 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/simple-pretraining/wikipedia_chunked
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: id
dtype: string
- name: text
dtype: string
- name: chunk_id
dtype: int64
splits:
- name: train
num_bytes: 21215289300
num_examples: 72703460
download_size: 0
dataset_size: 21215289300
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "wikipedia_chunked"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
simple-pretraining
原始信息汇总
数据集概述
数据集信息
- 特征:
id: 类型为字符串text: 类型为字符串chunk_id: 类型为整数
- 分割:
train: 包含 72703460 个样本，总大小为 21215289300 字节
配置
- 默认配置:
- 数据文件路径:
data/train-*
- 数据文件路径:
