Dhahlan2000/large-transformed-dataset-GPT-500k

---
dataset_info:
features:
- name: english
dtype: string
- name: sinhala
dtype: string
splits:
- name: train
num_bytes: 61219070
num_examples: 500000
- name: test
num_bytes: 2646
num_examples: 47
download_size: 44263070
dataset_size: 61221716
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征（features）：
- 特征名：english，数据类型（dtype）：字符串
- 特征名：僧伽罗语（Sinhala），数据类型（dtype）：字符串
数据集划分（splits）：
- 划分名称：训练集（train），字节数：61219070，样本数量：500000
- 划分名称：测试集（test），字节数：2646，样本数量：47
下载大小（download_size）：44263070 字节
数据集总大小（dataset_size）：61221716 字节
配置项（configs）：
- 配置名称：默认（default），数据文件（data_files）：
- 划分：训练集（train），路径：data/train-*
- 划分：测试集（test），路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• english: 数据类型为字符串。
• sinhala: 数据类型为字符串。

数据集分割

• 训练集 (train):
  • 示例数量: 500000
  • 数据大小: 61219070 字节
• 测试集 (test):
  • 示例数量: 47
  • 数据大小: 2646 字节

数据集大小

• 下载大小: 44263070 字节
• 数据集总大小: 61221716 字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*