deven367/babylm-100M-switchboard

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: valid
path: data/valid-*
- split: test
path: data/test-*
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 6586033
num_examples: 161740
- name: valid
num_bytes: 724013
num_examples: 18000
- name: test
num_bytes: 823158
num_examples: 20000
download_size: 4871927
dataset_size: 8133204
---
# Dataset Card for "babylm-100M-switchboard"

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

---
配置项：
- 配置名称：default
数据文件：
- 拆分集：训练集（train），路径：data/train-*
- 拆分集：验证集（valid），路径：data/valid-*
- 拆分集：测试集（test），路径：data/test-*
数据集信息：
特征字段：
- 字段名：text，数据类型：字符串（string）
数据集拆分详情：
- 拆分名称：train，字节数：6586033，样本数量：161740
- 拆分名称：valid，字节数：724013，样本数量：18000
- 拆分名称：test，字节数：823158，样本数量：20000
下载总大小：4871927，数据集总大小：8133204
---
# 「babylm-100M-switchboard」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

配置

• 默认配置（default）包含以下数据文件：
  • 训练集（train）：路径为 data/train-*
  • 验证集（valid）：路径为 data/valid-*
  • 测试集（test）：路径为 data/test-*

数据特征

• 特征名称：text
• 数据类型：string

数据集划分

• 训练集（train）：
  • 字节数：6586033
  • 样本数：161740
• 验证集（valid）：
  • 字节数：724013
  • 样本数：18000
• 测试集（test）：
  • 字节数：823158
  • 样本数：20000

数据集大小

• 下载大小：4871927 字节
• 数据集大小：8133204 字节