timaeus/dsir-pile-13m-filtered-for-opensubtitles

--- dataset_info: features: - name: contents dtype: string - name: metadata struct: - name: pile_set_name sequence: string - name: id dtype: int64 splits: - name: train num_bytes: 78475556.92502904 num_examples: 49349 download_size: 48505062 dataset_size: 78475556.92502904 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征字段： - 字段名：contents，数据类型：字符串（string） - 字段名：metadata，为结构体类型，其子字段为： - 子字段名：pile_set_name，数据类型为字符串序列（sequence: string） - 字段名：id，数据类型为64位整型（int64） 数据集划分： - 划分名称：train，总字节数：78475556.92502904，样本数量：49349 整体下载大小：48505062字节，数据集总大小：78475556.92502904字节 配置项： - 配置名称：default，数据文件： - 对应划分：train，文件路径：data/train-*