alorenc/c4_30B_5M_split_30B
收藏Hugging Face2026-03-17 更新2026-03-29 收录
下载链接：
https://hf-mirror.com/datasets/alorenc/c4_30B_5M_split_30B
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: input_ids
list: int32
- name: attention_mask
list: int8
splits:
- name: train
num_bytes: 150209340104
num_examples: 29291993
- name: validation
num_bytes: 25034896
num_examples: 4882
download_size: 240334743825
dataset_size: 150234375000
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---
数据集信息：
特征：
- 名称：输入标识符（input_ids），数据类型为int32类型列表
- 名称：注意力掩码（attention_mask），数据类型为int8类型列表
数据集划分：
- 训练集（train）：字节占用量150209340104，样本数量29291993
- 验证集（validation）：字节占用量25034896，样本数量4882
下载总大小：240334743825
数据集总占用大小：150234375000
配置项：
- 配置名称：默认配置（default），数据文件配置：
- 训练集划分：文件路径为data/train-*
- 验证集划分：文件路径为data/validation-*
提供机构：
alorenc
