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