sinonimayzer/mixed-data

---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 17829001968.66333
num_examples: 10391742
- name: validation
num_bytes: 1981001934.4298058
num_examples: 1154639
download_size: 12707112125
dataset_size: 19810003903.093136
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

数据集信息：
特征项：
- 字段名称：text，数据类型：字符串（string）
数据集拆分：
- 拆分名称：train（训练集），字节占用量：17829001968.66333，样本总数：10391742
- 拆分名称：validation（验证集），字节占用量：1981001934.4298058，样本总数：1154639
下载总大小：12707112125
数据集总大小：19810003903.093136
配置项：
- 配置名称：default
数据文件：
- 拆分：train（训练集），文件路径：data/train-*
- 拆分：validation（验证集），文件路径：data/validation-*

原始信息汇总

数据集概述

数据集特征

• 名称: text
• 数据类型: string

数据集分割

• 训练集
  • 字节数: 17829001968.66333
  • 样本数: 10391742
• 验证集
  • 字节数: 1981001934.4298058
  • 样本数: 1154639

数据集大小

• 下载大小: 12707112125
• 数据集大小: 19810003903.093136

配置

• 配置名称: default
• 数据文件
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*