gemmaSwahiliDataset

kaggle2025-01-01 更新2025-02-22 收录

自然语言处理

斯瓦希里语

数据链接：

https://www.kaggle.com/datasets/samu2505/gemmaswahilidataset 数据链接链接失效反馈

官方服务：

资源简介：

swahili dataset generated by Gemini 1.5 Flash

由 Gemini 1.5 Flash 生成的斯瓦希里语数据集

创建时间：

2024-12-24

Marcus2112/minipile_loss-sampled

自然语言处理

机器学习

该数据集包含三个主要分割：训练集、验证集和测试集。训练集包含999,998个样本，验证集包含9,999个样本，测试集包含501个样本。每个样本包含两个特征：text（文本数据，类型为字符串）和pile_idx（索引，类型为整数）。数据集总大小为6,315,395,155字节，下载大小为3,568,305,514字节。

Hugging Face2025-01-23 更新40

ManySstubs-Synth

自然语言处理

机器学习

该数据集包含用于训练和评估模型的特征，包括标签和多个输入序列及其注意力掩码。数据集分为训练集、测试集和验证集，每个集都有相应的样本数量和字节大小。数据集的配置文件指定了数据文件的路径。

Hugging Face2024-11-27 更新10

GQVis

癌症基因组数据

自然语言处理

GQVis是一个大规模的数据集，旨在支持基因组数据可视化的自然语言查询研究。它包含102万条与Gosling规范配对的基因组数据的自然语言查询。该数据集还包括用于研究更复杂工作流程的多步骤交互链接、链和数据集。

Hugging Face2025-08-22 更新10

pbelcak/pmc-train-2900000-to-3000000-GemmaTokens

自然语言处理

机器学习

--- dataset_info: features: - name: input_ids sequence: int32 - name: attention_mask sequence: int8 splits: - name: train num_bytes: 6772595362 num_examples: 1371014 downlo

Hugging Face2024-05-08 更新30

toy-multistep-nn_10-na_20-nab_40-seed_2

文本生成

自然语言处理

该数据集是一个文本数据集，包含提示文本、完成文本、遮蔽令牌数量和原始文本字段。它被划分为训练集和两个测试集，每个集合包含相同数量的示例。数据集适用于文本生成相关任务。

Hugging Face2025-04-07 更新10