ruliad/fineweb_350BT_chunk_44

--- 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: 17158523894 num_examples: 5000000 download_size: 10250393163 dataset_size: 17158523894 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征字段如下： - 字段名：text，数据类型：字符串 - 字段名：id，数据类型：字符串 - 字段名：转储数据，数据类型：字符串 - 字段名：url，数据类型：字符串 - 字段名：date，数据类型：字符串 - 字段名：file_path，数据类型：字符串 - 字段名：language，数据类型：字符串 - 字段名：language_score，数据类型：float64 - 字段名：Token（Token）计数，数据类型：int64 数据集拆分配置： - 拆分名称：train，字节占用量：17158523894，样本总数：5000000 整体下载体积：10250393163 数据集总字节数：17158523894 配置信息： 包含默认配置，其数据文件对应训练集拆分，文件路径为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

数据集划分

• train：
  • 示例数量：5000000
  • 数据大小：17158523894字节

数据集大小

• 下载大小：10250393163字节
• 数据集大小：17158523894字节