mrm8488/large_spanish_corpus_ds_tokenized_and_gropuped

--- dataset_info: features: - name: input_ids sequence: int32 splits: - name: train num_bytes: 16824296700 num_examples: 4103487 - name: test num_bytes: 885489300 num_examples: 215973 download_size: 8311975924 dataset_size: 17709786000 --- # Dataset Card for "large_spanish_corpus_ds_tokenized_and_gropuped" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)数据集信息： 特征字段： - 字段名：输入词元ID（input_ids），数据格式为int32序列 数据集拆分： - 拆分名称：训练集（train），字节数：16824296700，样本数量：4103487 - 拆分名称：测试集（test），字节数：885489300，样本数量：215973 下载大小：8311975924 数据集总大小：17709786000 --- # 「large_spanish_corpus_ds_tokenized_and_gropuped」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

数据集名称

large_spanish_corpus_ds_tokenized_and_gropuped

数据集特征

• 名称: input_ids
• 序列类型: int32

数据集分割

• 训练集
  • 样本数量: 4103487
  • 数据大小: 16824296700 字节
• 测试集
  • 样本数量: 215973
  • 数据大小: 885489300 字节

数据集大小

• 下载大小: 8311975924 字节
• 总数据大小: 17709786000 字节