cfli/pretrain_wiki

---
dataset_info:
features:
- name: input
dtype: string
- name: output_summarize
dtype: string
- name: output_predict
dtype: string
splits:
- name: train
num_bytes: 49155157522
num_examples: 10396029
download_size: 28572891492
dataset_size: 49155157522
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "pretrain_wiki"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征列表：
- 字段名：输入（input），数据类型：字符串（string）
- 字段名：摘要输出（output_summarize），数据类型：字符串（string）
- 字段名：预测输出（output_predict），数据类型：字符串（string）
数据集划分：
- 划分名称：训练集（train），字节占用量：49155157522，样本数量：10396029
下载大小：28572891492
数据集总大小：49155157522
配置项：
- 配置名称：默认配置（default）
数据文件：
- 对应划分：训练集（train），文件路径：data/train-*

# "pretrain_wiki"数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据特征

• input: 数据类型为字符串。
• output_summarize: 数据类型为字符串。
• output_predict: 数据类型为字符串。

数据分割

• train: 包含10396029个样本，总字节数为49155157522。

数据大小

• 下载大小: 28572891492字节。
• 数据集大小: 49155157522字节。

配置

• default: 包含训练数据文件，路径为data/train-*。