thng292/fineweb-subset-10M
收藏Hugging Face2025-08-18 更新2025-10-25 收录
下载链接：
https://hf-mirror.com/datasets/thng292/fineweb-subset-10M
下载链接
链接失效反馈官方服务：
资源简介：
该数据集来自HuggingFaceFW/fineweb-2和HuggingFaceFW/fineweb-edu，包含五种语言：越南语、英语、法语、日语和中文。每种语言都有200万个训练样本和10万个测试样本，总计训练样本1000万行，测试样本50万行。默认子集是其他子集的组合。
This dataset comes from HuggingFaceFW/fineweb-2 and HuggingFaceFW/fineweb-edu, including five languages: Vietnamese, English, French, Japanese, and Chinese. Each language has 2,000,000 training samples and 100,000 test samples, totaling 10 million rows for training and 500,000 rows for testing. The default subset is a combination of other subsets.
提供机构：
thng292
