markus583/mC4-TEST

---
dataset_info:
features:
- name: text
dtype: string
- name: ends_with_punctuation
dtype: bool
- name: lang
dtype: string
splits:
- name: valid
num_bytes: 80176666
num_examples: 311196
- name: train
num_bytes: 81031620567
num_examples: 312181384
download_size: 40526239410
dataset_size: 81111797233
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: valid
path: data/valid-*
---

原始信息汇总

数据集信息

特征

• text: 数据类型为字符串（string）
• ends_with_punctuation: 数据类型为布尔值（bool）
• lang: 数据类型为字符串（string）

数据分割

• valid:
  • 字节数: 80176666
  • 样本数: 311196
• train:
  • 字节数: 81031620567
  • 样本数: 312181384

数据大小

• 下载大小: 40526239410 字节
• 数据集大小: 81111797233 字节

配置

• default:
  • 数据文件:
    • train: data/train-*
    • valid: data/valid-*