ohtaman/toylm_20240120

---
dataset_info:
features:
- name: lang
dtype: string
- name: text
dtype: string
- name: source
dtype: string
splits:
- name: train
num_bytes: 9732958260
num_examples: 4932629
- name: test
num_bytes: 2497636
num_examples: 1000
download_size: 5432947755
dataset_size: 9735455896
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征：
- 名称：lang，数据类型：字符串
- 名称：text，数据类型：字符串
- 名称：source，数据类型：字符串
数据集划分：
- 划分集：train，字节大小：9732958260，样本数量：4932629
- 划分集：test，字节大小：2497636，样本数量：1000
下载大小：5432947755，数据集总大小：9735455896
配置项：
- 配置名称：default，数据文件：
- 训练集划分：路径为data/train-*
- 测试集划分：路径为data/test-*

原始信息汇总

数据集概述

数据特征

• lang: 数据类型为字符串。
• text: 数据类型为字符串。
• source: 数据类型为字符串。

数据分割

• train:
  • 字节数: 9732958260
  • 样本数: 4932629
• test:
  • 字节数: 2497636
  • 样本数: 1000

数据大小

• 下载大小: 5432947755 字节
• 数据集大小: 9735455896 字节

配置

• config_name: default
  • data_files:
    • train: 路径为 data/train-*
    • test: 路径为 data/test-*