有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
TigerResearch/pretrain_en|自然语言处理数据集|预训练模型数据集
收藏hugging_face2023-05-30 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/TigerResearch/pretrain_en
下载链接
链接失效反馈资源简介：
这是Tigerbot预训练数据的英文部分。
这是Tigerbot预训练数据的英文部分。
提供机构：
TigerResearch
原始信息汇总
数据集概述
数据集信息
-
特征:
- 名称: content
- 数据类型: string
-
数据分割:
- 名称: train
- 字节数: 48490123196
- 样本数: 22690306
-
下载大小: 5070161762
-
数据集大小: 48490123196
-
许可证: apache-2.0
-
任务类别:
- text-generation
-
语言:
- en
-
大小类别:
- 10M<n<100M
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国劳动力动态调查
“中国劳动力动态调查” （China Labor-force Dynamics Survey，简称 CLDS）是“985”三期“中山大学社会科学特色数据库建设”专项内容，CLDS的目的是通过对中国城乡以村/居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查，系统地监测村/居社区的社会结构和家庭、劳动力个体的变化与相互影响，建立劳动力、家庭和社区三个层次上的追踪数据库，从而为进行实证导向的高质量的理论研究和政策研究提供基础数据。
中国学术调查数据资料库 收录
Tropicos
Tropicos是一个全球植物名称数据库，包含超过130万种植物的名称、分类信息、分布数据、图像和参考文献。该数据库由密苏里植物园维护，旨在为植物学家、生态学家和相关领域的研究人员提供全面的植物信息。
www.tropicos.org 收录
ICESat-2 Data
ICESat-2 Data 是由美国国家航空航天局（NASA）发布的卫星数据集，主要用于全球冰层和陆地高程的测量。该数据集包括高精度激光测高数据，用于研究冰川、海冰、植被和地形变化。
icesat-2.gsfc.nasa.gov 收录
LFW
人脸数据集;LFW数据集共有13233张人脸图像，每张图像均给出对应的人名，共有5749人，且绝大部分人仅有一张图片。每张图片的尺寸为250X250，绝大部分为彩色图像，但也存在少许黑白人脸图片。 URL: http://vis-www.cs.umass.edu/lfw/index.html#download
AI_Studio 收录
TCIA
TCIA（The Cancer Imaging Archive）是一个公开的癌症影像数据集，包含多种癌症类型的医学影像数据，如CT、MRI、PET等。这些数据通常与临床和病理信息相结合，用于癌症研究和临床试验。
www.cancerimagingarchive.net 收录