abideen/pretrain_corpus

---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 199296832162.51273
num_examples: 65123248
- name: validation
num_bytes: 35170032625.48728
num_examples: 11492339
download_size: 136513929683
dataset_size: 234466864788.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

原始信息汇总

数据集信息

特征

• 名称: text
• 数据类型: string

数据划分

• 训练集
  • 名称: train
  • 字节数: 199296832162.51273
  • 样本数: 65123248
• 验证集
  • 名称: validation
  • 字节数: 35170032625.48728
  • 样本数: 11492339

数据大小

• 下载大小: 136513929683
• 数据集大小: 234466864788.0

配置

• 配置名称: default
  • 数据文件
    • 训练集路径: data/train-*
    • 验证集路径: data/validation-*