BramVanroy/occiglot-fineweb-v0.5-nl

---
dataset_info:
features:
- name: text
dtype: string
- name: id
dtype: string
- name: subcorpus
dtype: string
splits:
- name: train
num_bytes: 58722964960
num_examples: 16146079
download_size: 35198695914
dataset_size: 58722964960
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集信息

• 特征:

  • text: 数据类型为字符串。
  • id: 数据类型为字符串。
  • subcorpus: 数据类型为字符串。

• 分割:

  • train: 包含16146079个样本，总大小为58722964960字节。

• 下载大小: 35198695914字节。

• 数据集大小: 58722964960字节。

配置

• default:
  • 数据文件:
    • train: 路径为data/train-*。