indiehackers/tenglish_dataset
收藏Hugging Face2024-02-16 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/indiehackers/tenglish_dataset
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含三个不同的配置：telugu_asr、telugu_nlp和wikipedia。每个配置都包含两个特征：text和translit，数据类型均为字符串。每个配置都有一个训练集分割，并提供了相应的字节数、样本数、下载大小和数据集大小。telugu_asr配置的训练集包含209,270个样本，大小为68,400,135字节；telugu_nlp配置的训练集包含47,415个样本，大小为553,825,446字节；wikipedia配置的训练集包含87,854个样本，大小为1,025,395,437字节。
该数据集包含三个不同的配置：telugu_asr、telugu_nlp和wikipedia。每个配置都包含两个特征：text和translit，数据类型均为字符串。每个配置都有一个训练集分割，并提供了相应的字节数、样本数、下载大小和数据集大小。telugu_asr配置的训练集包含209,270个样本，大小为68,400,135字节；telugu_nlp配置的训练集包含47,415个样本，大小为553,825,446字节；wikipedia配置的训练集包含87,854个样本，大小为1,025,395,437字节。
提供机构：
indiehackers
原始信息汇总
数据集概述
数据集配置
1. Telugu ASR
- 特征:
text: 类型为字符串translit: 类型为字符串
- 分割:
train: 包含209270个样本，占用68400135字节
- 下载大小: 34092313字节
- 数据集大小: 68400135字节
- 数据文件:
train: 路径为telugu_asr/train-*
2. Telugu NLP
- 特征:
text: 类型为字符串translit: 类型为字符串
- 分割:
train: 包含47415个样本，占用553825446字节
- 下载大小: 251907089字节
- 数据集大小: 553825446字节
- 数据文件:
train: 路径为telugu_nlp/train-*
3. Wikipedia
- 特征:
text: 类型为字符串translit: 类型为字符串
- 分割:
train: 包含87854个样本，占用1025395437字节
- 下载大小: 341788327字节
- 数据集大小: 1025395437字节
- 数据文件:
train: 路径为wikipedia/train-*
