ruliad/fineweb_350BT_chunk_71

---
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: 17309622204
num_examples: 5000000
download_size: 10320352984
dataset_size: 17309622204
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

The dataset includes various features such as text, ID, URL, date, file path, language, language score, and token count. It is primarily divided into a training set containing 5,000,000 examples. The total size of the dataset is 17,309,622,204 bytes, with a download size of 10,320,352,984 bytes.

原始信息汇总

数据集概述

数据集特征

• text：字符串类型
• id：字符串类型
• dump：字符串类型
• url：字符串类型
• date：字符串类型
• file_path：字符串类型
• language：字符串类型
• language_score：浮点数类型
• token_count：整数类型

数据集划分

• 训练集（train）：
  • 示例数量：5000000
  • 数据大小：17309622204字节

数据集大小

• 下载大小：10320352984字节
• 数据集大小：17309622204字节

配置信息

• 默认配置（default）：
  • 训练数据路径：data/train-*