ruliad/fineweb_350BT_chunk_8
收藏Hugging Face2024-06-02 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/ruliad/fineweb_350BT_chunk_8
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: text
dtype: string
- name: id
dtype: string
- name: dump
dtype: string
- name: url
dtype: string
- name: date
dtype: string
- name: file_path
dtype: string
- name: language
dtype: string
- name: language_score
dtype: float64
- name: token_count
dtype: int64
splits:
- name: train
num_bytes: 17023259253
num_examples: 5000000
download_size: 10192917067
dataset_size: 17023259253
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
提供机构：
ruliad
原始信息汇总
数据集概述
数据集特征
- text：文本，数据类型为字符串。
- id：标识符，数据类型为字符串。
- dump：转储信息，数据类型为字符串。
- url：网址，数据类型为字符串。
- date：日期，数据类型为字符串。
- file_path：文件路径，数据类型为字符串。
- language：语言，数据类型为字符串。
- language_score：语言评分，数据类型为浮点数。
- token_count：词条计数，数据类型为整数。
数据集分割
- train：训练集，包含5000000个样本，总字节数为17023259253。
数据集大小
- 下载大小：10192917067字节。
- 数据集大小：17023259253字节。
配置
- config_name：default
- data_files：
- split：train
- path：data/train-*
