nilq/baby-python
收藏Hugging Face2024-03-16 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/nilq/baby-python
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含来自BabyLM 100M数据集的英语数据和来自small-python-stack的Python代码数据，这些数据被均匀匹配。英语数据包括儿童导向的语音、字幕、BNC、TED演讲和儿童书籍，而Python数据则对应于100M单词的英语代码。
该数据集包含来自BabyLM 100M数据集的英语数据和来自small-python-stack的Python代码数据，这些数据被均匀匹配。英语数据包括儿童导向的语音、字幕、BNC、TED演讲和儿童书籍，而Python数据则对应于100M单词的英语代码。
提供机构：
nilq
原始信息汇总
数据集概述
基本信息
- 名称: Baby Python
- 语言: 英语
- 许可证: MIT
- 任务类别: 文本生成
- 标签: Python, 英语
数据集特征
- 特征名称: content, type
- 数据类型: 字符串
数据集划分
- 训练集:
- 示例数量: 10695758
- 字节数: 1215922226
- 验证集:
- 示例数量: 1037288
- 字节数: 117555692
数据集大小
- 下载大小: 605995775
- 总大小: 1333477918
配置
- 配置名称: default
- 数据文件路径:
- 训练集: data/train-*
- 验证集: data/validation-*
数据来源
- 英语部分: 来自BabyLM 100M dataset，包括CHILDES、Subtitles、BNC、TED talks、儿童书籍。
- Python部分: 来自small-python-stack，对应100M英语单词的Python代码。
