nthngdy/bert_dataset_202203
收藏Hugging Face2023-01-17 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/nthngdy/bert_dataset_202203
下载链接
链接失效反馈官方服务：
资源简介：
该数据集名为BERT Dataset (BookCorpus + Wikipedia 03/2022)，主要用于文本生成和填充掩码任务。数据集包含146,707,688个训练样本，总大小为24,635,440,616字节，下载大小为14,651,841,592字节。数据集的语言为英语，适用于语言建模和掩码语言建模任务。
提供机构：
nthngdy
原始信息汇总
数据集概述
数据集信息
-
特征:
- 名称: text
- 数据类型: string
-
分割:
- 名称: train
- 字节数: 24635440616
- 样本数: 146707688
-
下载大小: 14651841592
-
数据集大小: 24635440616
许可
- apache-2.0
任务类别
- text-generation
- fill-mask
语言
- en
标签
- language-modeling
- masked-language-modeling
易读名称
- BERT Dataset (BookCorpus + Wikipedia 03/2022)
