sade-adrien/redpajama_v2_sample_1M

---
dataset_info:
features:
- name: raw_content
dtype: string
- name: doc_id
dtype: string
- name: meta
dtype: string
- name: quality_signals
dtype: string
splits:
- name: train
num_bytes: 10406779209
num_examples: 1000000
download_size: 4624261556
dataset_size: 10406779209
---
# Dataset Card for "redpajama_v2_sample_1M"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
数据集信息：
特征：
- 名称：raw_content，数据类型：字符串
- 名称：doc_id，数据类型：字符串
- 名称：meta，数据类型：字符串
- 名称：quality_signals，数据类型：字符串
数据划分：
- 划分名称：训练集（train），字节数：10406779209，样本数量：1000000
下载大小：4624261556
数据集大小：10406779209
---
# “redpajama_v2_sample_1M” 数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 数据集名称: redpajama_v2_sample_1M
• 特征:
  • raw_content: 数据类型为字符串
  • doc_id: 数据类型为字符串
  • meta: 数据类型为字符串
  • quality_signals: 数据类型为字符串
• 分割:
  • train: 包含1000000个样本，总字节数为10406779209
• 下载大小: 4624261556字节
• 数据集大小: 10406779209字节