caoyq/caoyq_en2zh_dataset

该数据集是一个用于英中翻译任务的数据集，包含训练集和验证集。数据集的特征是翻译对，包括英文（en）和中文（zh）两个字段。数据集的规模在100M到1B之间，具体包含12,565,044个训练样本和614,925个验证样本。

原始信息汇总

数据集概述

数据集名称

caoyq_en2zh_dataset

数据集内容

• 任务类别：翻译
• 语言：英语（en）、中文（zh）
• 特征：
  • translation：包含两种语言的翻译文本
    • en：数据类型为字符串
    • zh：数据类型为字符串

数据集划分

• 训练集：
  • 大小：1864681301字节
  • 示例数量：12565044
• 验证集：
  • 大小：93350771字节
  • 示例数量：614925

数据集大小

• 下载大小：1404480140字节
• 数据集总大小：1958032072字节

数据集规模

• 规模类别：100M<n<1B