timaeus/dsir-pile-13m-filtered-for-pile-cc
收藏Hugging Face2024-11-15 更新2024-12-14 收录
下载链接：
https://hf-mirror.com/datasets/timaeus/dsir-pile-13m-filtered-for-pile-cc
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含三个主要特征：contents（内容，数据类型为字符串）、metadata（元数据，包含一个名为pile_set_name的字符串序列）和id（标识符，数据类型为int64）。数据集仅包含一个训练集（train），共有7,486,090个样本，总大小为11,904,498,205.45字节，下载大小为7,473,730,620字节。数据集的默认配置中，数据文件路径为data/train-*。
The dataset contains three main features: contents (content, data type is string), metadata (metadata, containing a sequence of strings named pile_set_name), and id (identifier, data type is int64). The dataset includes only a training set (train) with 7,486,090 samples, totaling 11,904,498,205.45 bytes in size, and a download size of 7,473,730,620 bytes. In the default configuration of the dataset, the data file path is data/train-*.
提供机构：
timaeus
