ruliad/fineweb_350BT_chunk_7

---
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: 17056844809
num_examples: 5000000
download_size: 10210922933
dataset_size: 17056844809
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

dataset_info:
特征列表:
- 名称: 文本（text）
数据类型: 字符串型
- 名称: ID（id）
数据类型: 字符串型
- 名称: 转储内容（dump）
数据类型: 字符串型
- 名称: URL（url）
数据类型: 字符串型
- 名称: 日期（date）
数据类型: 字符串型
- 名称: 文件路径（file_path）
数据类型: 字符串型
- 名称: 语言（language）
数据类型: 字符串型
- 名称: 语言评分（language_score）
数据类型: 64位浮点型（float64）
- 名称: Token计数（token_count）
数据类型: 64位整型（int64）
数据集拆分:
- 拆分名称: 训练集（train）
字节数: 17056844809
样本数: 5000000
下载总大小: 10210922933
数据集存储总大小: 17056844809
配置项:
- 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

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

• 训练集（train）：
  • 示例数量：5000000
  • 数据大小：17056844809字节

数据集大小

• 下载大小：10210922933字节
• 数据集总大小：17056844809字节

配置信息

• 默认配置（default）：
  • 训练数据路径：data/train-*