ruliad/fineweb_350BT_chunk_12

---
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: 17090137837
num_examples: 5000000
download_size: 10230921217
dataset_size: 17090137837
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

---
数据集信息：
特征：
- 名称：文本，数据类型：string
- 名称：id，数据类型：string
- 名称：转储数据（dump），数据类型：string
- 名称：统一资源定位符（URL），数据类型：string
- 名称：日期，数据类型：string
- 名称：文件路径，数据类型：string
- 名称：语言，数据类型：string
- 名称：语言得分，数据类型：float64
- 名称：Token计数，数据类型：int64
拆分：
- 名称：训练集（train），字节数：17090137837，示例数量：5000000
下载大小：10230921217
数据集总大小：17090137837
配置：
- 配置名称：默认（default），数据文件：
- 拆分：训练集（train），路径：data/train-*
---

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

数据集分割

• train:
  • 字节数: 17090137837
  • 示例数: 5000000

数据集大小

• 下载大小: 10230921217
• 数据集大小: 17090137837

配置

• config_name: default
  • data_files:
    • split: train
      • path: data/train-*