manu/french-30b_separate
收藏Hugging Face2023-10-16 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/manu/french-30b_separate
下载链接
链接失效反馈官方服务：
资源简介：
---
configs:
- config_name: default
data_files:
- split: WmtEnFrTest
path: data/WmtEnFrTest-*
- split: EnglishFrenchWebpagesScrapedTranslatedTest
path: data/EnglishFrenchWebpagesScrapedTranslatedTest-*
- split: FrenchLibrispeechTextOnlyTest
path: data/FrenchLibrispeechTextOnlyTest-*
- split: FrenchPodcastsTest
path: data/FrenchPodcastsTest-*
- split: FrenchOpenSubtitlesTest
path: data/FrenchOpenSubtitlesTest-*
- split: OriginalSongsLyricsWithFrenchTranslationTest
path: data/OriginalSongsLyricsWithFrenchTranslationTest-*
- split: ProjectgutenbergFrTest
path: data/ProjectgutenbergFrTest-*
- split: BnfGallicaTest
path: data/BnfGallicaTest-*
- split: ThesesFr20132023Test
path: data/ThesesFr20132023Test-*
- split: LegiOpendataTest
path: data/LegiOpendataTest-*
- split: BaloOpendataTest
path: data/BaloOpendataTest-*
- split: JadeOpendataTest
path: data/JadeOpendataTest-*
- split: DoleOpendataTest
path: data/DoleOpendataTest-*
- split: SardeOpendataTest
path: data/SardeOpendataTest-*
- split: QrOpendataTest
path: data/QrOpendataTest-*
- split: JorfOpendataTest
path: data/JorfOpendataTest-*
- split: IncaOpendataTest
path: data/IncaOpendataTest-*
- split: AccoOpendataTest
path: data/AccoOpendataTest-*
- split: KaliOpendataTest
path: data/KaliOpendataTest-*
- split: DebatsOpendataTest
path: data/DebatsOpendataTest-*
- split: CnilOpendataTest
path: data/CnilOpendataTest-*
- split: CappOpendataTest
path: data/CappOpendataTest-*
- split: CassOpendataTest
path: data/CassOpendataTest-*
- split: ConstitOpendataTest
path: data/ConstitOpendataTest-*
- split: IlluinLayoutDatasetTextOnlyTest
path: data/IlluinLayoutDatasetTextOnlyTest-*
- split: WikisourceFrTest
path: data/WikisourceFrTest-*
- split: Wikipedia20220301.frTest
path: data/Wikipedia20220301.frTest-*
- split: Oscar2301FrTest
path: data/Oscar2301FrTest-*
dataset_info:
features:
- name: id
dtype: string
- name: text
dtype: string
- name: dataset_id
dtype: string
splits:
- name: WmtEnFrTest
num_bytes: 933080
num_examples: 3003
- name: EnglishFrenchWebpagesScrapedTranslatedTest
num_bytes: 3557903
num_examples: 8580
- name: FrenchLibrispeechTextOnlyTest
num_bytes: 698968
num_examples: 2582
- name: FrenchPodcastsTest
num_bytes: 505018
num_examples: 100
- name: FrenchOpenSubtitlesTest
num_bytes: 3048714
num_examples: 100
- name: OriginalSongsLyricsWithFrenchTranslationTest
num_bytes: 2156145
num_examples: 756
- name: ProjectgutenbergFrTest
num_bytes: 39019119
num_examples: 100
- name: BnfGallicaTest
num_bytes: 43160730
num_examples: 100
- name: ThesesFr20132023Test
num_bytes: 3957037
num_examples: 959
- name: LegiOpendataTest
num_bytes: 16589963
num_examples: 10000
- name: BaloOpendataTest
num_bytes: 11094568
num_examples: 1355
- name: JadeOpendataTest
num_bytes: 56977150
num_examples: 5586
- name: DoleOpendataTest
num_bytes: 2065780
num_examples: 100
- name: SardeOpendataTest
num_bytes: 1044391
num_examples: 2244
- name: QrOpendataTest
num_bytes: 18924359
num_examples: 100
- name: JorfOpendataTest
num_bytes: 11892298
num_examples: 10000
- name: IncaOpendataTest
num_bytes: 27827026
num_examples: 3737
- name: AccoOpendataTest
num_bytes: 36928857
num_examples: 2541
- name: KaliOpendataTest
num_bytes: 7740933
num_examples: 4306
- name: DebatsOpendataTest
num_bytes: 38200789
num_examples: 100
- name: CnilOpendataTest
num_bytes: 1495015
num_examples: 181
- name: CappOpendataTest
num_bytes: 9680857
num_examples: 727
- name: CassOpendataTest
num_bytes: 8283986
num_examples: 1422
- name: ConstitOpendataTest
num_bytes: 1340350
num_examples: 100
- name: IlluinLayoutDatasetTextOnlyTest
num_bytes: 11714355
num_examples: 4885
- name: WikisourceFrTest
num_bytes: 44358940
num_examples: 10000
- name: Wikipedia20220301.frTest
num_bytes: 28814742
num_examples: 10000
- name: Oscar2301FrTest
num_bytes: 51030875
num_examples: 9834
download_size: 0
dataset_size: 483041948
---
# Dataset Card for "french-30b_separate"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
配置项：
- 配置名称：默认（default）
数据文件：
- 数据拆分：WMT英法测试集（WmtEnFrTest），路径：data/WmtEnFrTest-*
- 数据拆分：英法抓取网页翻译测试集（EnglishFrenchWebpagesScrapedTranslatedTest），路径：data/EnglishFrenchWebpagesScrapedTranslatedTest-*
- 数据拆分：法语利布里语音纯文本测试集（FrenchLibrispeechTextOnlyTest），路径：data/FrenchLibrispeechTextOnlyTest-*
- 数据拆分：法语播客测试集（FrenchPodcastsTest），路径：data/FrenchPodcastsTest-*
- 数据拆分：法语开放字幕测试集（FrenchOpenSubtitlesTest），路径：data/FrenchOpenSubtitlesTest-*
- 数据拆分：带法语翻译的原创歌词测试集（OriginalSongsLyricsWithFrenchTranslationTest），路径：data/OriginalSongsLyricsWithFrenchTranslationTest-*
- 数据拆分：古腾堡项目法语测试集（ProjectgutenbergFrTest），路径：data/ProjectgutenbergFrTest-*
- 数据拆分：法国国家图书馆Gallica测试集（BnfGallicaTest），路径：data/BnfGallicaTest-*
- 数据拆分：2013-2023年法语学位论文测试集（ThesesFr20132023Test），路径：data/ThesesFr20132023Test-*
- 数据拆分：法国立法开放数据测试集（LegiOpendataTest），路径：data/LegiOpendataTest-*
- 数据拆分：Balo开放数据测试集（BaloOpendataTest），路径：data/BaloOpendataTest-*
- 数据拆分：Jade开放数据测试集（JadeOpendataTest），路径：data/JadeOpendataTest-*
- 数据拆分：Dole开放数据测试集（DoleOpendataTest），路径：data/DoleOpendataTest-*
- 数据拆分：Sarde开放数据测试集（SardeOpendataTest），路径：data/SardeOpendataTest-*
- 数据拆分：Qr开放数据测试集（QrOpendataTest），路径：data/QrOpendataTest-*
- 数据拆分：法国官方公报开放数据测试集（JorfOpendataTest），路径：data/JorfOpendataTest-*
- 数据拆分：Inca开放数据测试集（IncaOpendataTest），路径：data/IncaOpendataTest-*
- 数据拆分：Acco开放数据测试集（AccoOpendataTest），路径：data/AccoOpendataTest-*
- 数据拆分：Kali开放数据测试集（KaliOpendataTest），路径：data/KaliOpendataTest-*
- 数据拆分：Debats开放数据测试集（DebatsOpendataTest），路径：data/DebatsOpendataTest-*
- 数据拆分：法国国家信息与自由委员会开放数据测试集（CnilOpendataTest），路径：data/CnilOpendataTest-*
- 数据拆分：Capp开放数据测试集（CappOpendataTest），路径：data/CappOpendataTest-*
- 数据拆分：法国最高法院开放数据测试集（CassOpendataTest），路径：data/CassOpendataTest-*
- 数据拆分：宪法开放数据测试集（ConstitOpendataTest），路径：data/ConstitOpendataTest-*
- 数据拆分：Illuin布局数据集纯文本测试集（IlluinLayoutDatasetTextOnlyTest），路径：data/IlluinLayoutDatasetTextOnlyTest-*
- 数据拆分：法语维基文库测试集（WikisourceFrTest），路径：data/WikisourceFrTest-*
- 数据拆分：2022年3月1日法语维基百科测试集（Wikipedia20220301.frTest），路径：data/Wikipedia20220301.frTest-*
- 数据拆分：Oscar 23.01法语测试集（Oscar2301FrTest），路径：data/Oscar2301FrTest-*
数据集信息：
特征：
- 字段名：id，数据类型：字符串
- 字段名：text，数据类型：字符串
- 字段名：dataset_id，数据类型：字符串
数据拆分详情：
- 拆分名称：WMT英法测试集（WmtEnFrTest），字节数：933080，样本数：3003
- 拆分名称：英法抓取网页翻译测试集（EnglishFrenchWebpagesScrapedTranslatedTest），字节数：3557903，样本数：8580
- 拆分名称：法语利布里语音纯文本测试集（FrenchLibrispeechTextOnlyTest），字节数：698968，样本数：2582
- 拆分名称：法语播客测试集（FrenchPodcastsTest），字节数：505018，样本数：100
- 拆分名称：法语开放字幕测试集（FrenchOpenSubtitlesTest），字节数：3048714，样本数：100
- 拆分名称：带法语翻译的原创歌词测试集（OriginalSongsLyricsWithFrenchTranslationTest），字节数：2156145，样本数：756
- 拆分名称：古腾堡项目法语测试集（ProjectgutenbergFrTest），字节数：39019119，样本数：100
- 拆分名称：法国国家图书馆Gallica测试集（BnfGallicaTest），字节数：43160730，样本数：100
- 拆分名称：2013-2023年法语学位论文测试集（ThesesFr20132023Test），字节数：3957037，样本数：959
- 拆分名称：法国立法开放数据测试集（LegiOpendataTest），字节数：16589963，样本数：10000
- 拆分名称：Balo开放数据测试集（BaloOpendataTest），字节数：11094568，样本数：1355
- 拆分名称：Jade开放数据测试集（JadeOpendataTest），字节数：56977150，样本数：5586
- 拆分名称：Dole开放数据测试集（DoleOpendataTest），字节数：2065780，样本数：100
- 拆分名称：Sarde开放数据测试集（SardeOpendataTest），字节数：1044391，样本数：2244
- 拆分名称：Qr开放数据测试集（QrOpendataTest），字节数：18924359，样本数：100
- 拆分名称：法国官方公报开放数据测试集（JorfOpendataTest），字节数：11892298，样本数：10000
- 拆分名称：Inca开放数据测试集（IncaOpendataTest），字节数：27827026，样本数：3737
- 拆分名称：Acco开放数据测试集（AccoOpendataTest），字节数：36928857，样本数：2541
- 拆分名称：Kali开放数据测试集（KaliOpendataTest），字节数：7740933，样本数：4306
- 拆分名称：Debats开放数据测试集（DebatsOpendataTest），字节数：38200789，样本数：100
- 拆分名称：法国国家信息与自由委员会开放数据测试集（CnilOpendataTest），字节数：1495015，样本数：181
- 拆分名称：Capp开放数据测试集（CappOpendataTest），字节数：9680857，样本数：727
- 拆分名称：法国最高法院开放数据测试集（CassOpendataTest），字节数：8283986，样本数：1422
- 拆分名称：宪法开放数据测试集（ConstitOpendataTest），字节数：1340350，样本数：100
- 拆分名称：Illuin布局数据集纯文本测试集（IlluinLayoutDatasetTextOnlyTest），字节数：11714355，样本数：4885
- 拆分名称：法语维基文库测试集（WikisourceFrTest），字节数：44358940，样本数：10000
- 拆分名称：2022年3月1日法语维基百科测试集（Wikipedia20220301.frTest），字节数：28814742，样本数：10000
- 拆分名称：Oscar 23.01法语测试集（Oscar2301FrTest），字节数：51030875，样本数：9834
下载大小：0
数据集总大小：483041948
# 「french-30b_separate」数据集卡片
[更多信息待补充](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
manu原始信息汇总
数据集概述
数据集配置
- 配置名称: default
- 数据文件:
- WmtEnFrTest: 路径
data/WmtEnFrTest-* - EnglishFrenchWebpagesScrapedTranslatedTest: 路径
data/EnglishFrenchWebpagesScrapedTranslatedTest-* - FrenchLibrispeechTextOnlyTest: 路径
data/FrenchLibrispeechTextOnlyTest-* - FrenchPodcastsTest: 路径
data/FrenchPodcastsTest-* - FrenchOpenSubtitlesTest: 路径
data/FrenchOpenSubtitlesTest-* - OriginalSongsLyricsWithFrenchTranslationTest: 路径
data/OriginalSongsLyricsWithFrenchTranslationTest-* - ProjectgutenbergFrTest: 路径
data/ProjectgutenbergFrTest-* - BnfGallicaTest: 路径
data/BnfGallicaTest-* - ThesesFr20132023Test: 路径
data/ThesesFr20132023Test-* - LegiOpendataTest: 路径
data/LegiOpendataTest-* - BaloOpendataTest: 路径
data/BaloOpendataTest-* - JadeOpendataTest: 路径
data/JadeOpendataTest-* - DoleOpendataTest: 路径
data/DoleOpendataTest-* - SardeOpendataTest: 路径
data/SardeOpendataTest-* - QrOpendataTest: 路径
data/QrOpendataTest-* - JorfOpendataTest: 路径
data/JorfOpendataTest-* - IncaOpendataTest: 路径
data/IncaOpendataTest-* - AccoOpendataTest: 路径
data/AccoOpendataTest-* - KaliOpendataTest: 路径
data/KaliOpendataTest-* - DebatsOpendataTest: 路径
data/DebatsOpendataTest-* - CnilOpendataTest: 路径
data/CnilOpendataTest-* - CappOpendataTest: 路径
data/CappOpendataTest-* - CassOpendataTest: 路径
data/CassOpendataTest-* - ConstitOpendataTest: 路径
data/ConstitOpendataTest-* - IlluinLayoutDatasetTextOnlyTest: 路径
data/IlluinLayoutDatasetTextOnlyTest-* - WikisourceFrTest: 路径
data/WikisourceFrTest-* - Wikipedia20220301.frTest: 路径
data/Wikipedia20220301.frTest-* - Oscar2301FrTest: 路径
data/Oscar2301FrTest-*
- WmtEnFrTest: 路径
数据集信息
- 特征:
- id: 类型
string - text: 类型
string - dataset_id: 类型
string
- id: 类型
- 分割:
- WmtEnFrTest: 字节数
933080, 样本数3003 - EnglishFrenchWebpagesScrapedTranslatedTest: 字节数
3557903, 样本数8580 - FrenchLibrispeechTextOnlyTest: 字节数
698968, 样本数2582 - FrenchPodcastsTest: 字节数
505018, 样本数100 - FrenchOpenSubtitlesTest: 字节数
3048714, 样本数100 - OriginalSongsLyricsWithFrenchTranslationTest: 字节数
2156145, 样本数756 - ProjectgutenbergFrTest: 字节数
39019119, 样本数100 - BnfGallicaTest: 字节数
43160730, 样本数100 - ThesesFr20132023Test: 字节数
3957037, 样本数959 - LegiOpendataTest: 字节数
16589963, 样本数10000 - BaloOpendataTest: 字节数
11094568, 样本数1355 - JadeOpendataTest: 字节数
56977150, 样本数5586 - DoleOpendataTest: 字节数
2065780, 样本数100 - SardeOpendataTest: 字节数
1044391, 样本数2244 - QrOpendataTest: 字节数
18924359, 样本数100 - JorfOpendataTest: 字节数
11892298, 样本数10000 - IncaOpendataTest: 字节数
27827026, 样本数3737 - AccoOpendataTest: 字节数
36928857, 样本数2541 - KaliOpendataTest: 字节数
7740933, 样本数4306 - DebatsOpendataTest: 字节数
38200789, 样本数100 - CnilOpendataTest: 字节数
1495015, 样本数181 - CappOpendataTest: 字节数
9680857, 样本数727 - CassOpendataTest: 字节数
8283986, 样本数1422 - ConstitOpendataTest: 字节数
1340350, 样本数100 - IlluinLayoutDatasetTextOnlyTest: 字节数
11714355, 样本数4885 - WikisourceFrTest: 字节数
44358940, 样本数10000 - Wikipedia20220301.frTest: 字节数
28814742, 样本数10000 - Oscar2301FrTest: 字节数
51030875, 样本数9834
- WmtEnFrTest: 字节数
- 下载大小:
0 - 数据集大小:
483041948
