thivux/text_norm

该数据集包含两个主要特征：src和tgt，均为字符串类型。数据集分为训练集、测试集和验证集，分别包含249602、1250和1243个样本。数据集的下载大小为546783222字节，总大小为1101033687字节。

The dataset contains two main features: src and tgt, both of which are of string type. The dataset is divided into training, test, and validation sets, containing 249602, 1250, and 1243 samples respectively. The download size of the dataset is 546783222 bytes, and the total size is 1101033687 bytes.

原始信息汇总

数据集概述

数据特征

• src: 字符串类型
• tgt: 字符串类型

数据分割

• train:
  • 字节数: 1090181643
  • 样本数: 249602
• test:
  • 字节数: 5367539
  • 样本数: 1250
• valid:
  • 字节数: 5484505
  • 样本数: 1243

数据集大小

• 下载大小: 546783222 字节
• 总大小: 1101033687 字节

配置

• default:
  • train: data/train-*
  • test: data/test-*
  • valid: data/valid-*