ohtaman/toylm_20240107

---
dataset_info:
features:
- name: lang
dtype: string
- name: text
dtype: string
- name: source
dtype: string
splits:
- name: train
num_bytes: 9746789905
num_examples: 5118408
download_size: 5432363539
dataset_size: 9746789905
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征列表：
- 字段名：lang，数据类型：字符串
- 字段名：text，数据类型：字符串
- 字段名：source，数据类型：字符串
数据拆分：
- 拆分名称：训练集（train），字节大小：9746789905，样本总数：5118408
下载总大小：5432363539
数据集总大小：9746789905
数据集配置：
- 配置名称：默认配置（default），数据文件：
- 拆分：训练集（train），路径：data/train-*

原始信息汇总

数据集概述

特征信息

• 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: 包含5118408个样本，总字节数为9746789905。

数据大小

• 下载大小: 5432363539字节。
• 数据集大小: 9746789905字节。

配置信息

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*