spsither/tibetan_monolingual_A_filtered

---
dataset_info:
features:
- name: text
dtype: string
- name: char_len
dtype: int64
- name: max_char_btw_tsak
dtype: int64
splits:
- name: train
num_bytes: 45094023884.774185
num_examples: 293280837
- name: test
num_bytes: 2467404178.5562024
num_examples: 16162978
download_size: 14364313640
dataset_size: 47561428063.33039
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• text：字符串类型
• char_len：整数类型（int64）
• max_char_btw_tsak：整数类型（int64）

数据集分割

• 训练集（train）：
  • 示例数量：293280837
  • 数据量：45094023884.774185字节
• 测试集（test）：
  • 示例数量：16162978
  • 数据量：2467404178.5562024字节

数据集大小

• 下载大小：14364313640字节
• 数据集总大小：47561428063.33039字节

数据文件配置

• 默认配置（default）：
  • 训练集路径：data/train-*
  • 测试集路径：data/test-*