u-10bei/enwiki-20240301-tokenizer
收藏官方服务：
资源简介：
--- language: - en license: cc-by-sa-4.0 dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 1412755404 num_examples: 5380083 download_size: 855323958 dataset_size: 1412755404 configs: - config_name: default data_files: - split: train path: data/train-* ---
语言： - 英语（en） 许可证：CC BY-SA 4.0 数据集信息： 特征字段： - 字段名：文本 数据类型：字符串（string） 数据划分： - 划分名称：训练集（train） 字节大小：1412755404 样本数量：5380083 下载大小：855323958 数据集总大小：1412755404 配置项： - 配置名称：默认配置（default） 数据文件： - 数据划分：训练集（train） 文件路径：data/train-*
提供机构：
u-10bei原始信息汇总
数据集概述
语言
- 英语（en）
许可
- CC BY-SA 4.0
数据集信息
-
特征
- 名称: text
- 数据类型: string
-
分割
- 名称: train
- 字节数: 1412755404
- 样本数: 5380083
-
下载大小
- 855323958 字节
-
数据集大小
- 1412755404 字节
配置
-
配置名称
- default
-
数据文件
- 分割: train
- 路径: data/train-*
