animaRegem/samanantar-formatted

---
dataset_info:
features:
- name: idx
dtype: int64
- name: src
dtype: string
- name: tgt
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 4411168834
num_examples: 5924426
download_size: 1713874377
dataset_size: 4411168834
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征：
- 名称：idx（索引），数据类型：int64（64位整型）
- 名称：src（源文本），数据类型：字符串
- 名称：tgt（目标文本），数据类型：字符串
- 名称：text，数据类型：字符串
数据集划分：
- 名称：train（训练集），字节大小：4411168834，样本数量：5924426
下载大小：1713874377
数据集总大小：4411168834
配置：
- 配置名称：default（默认配置），数据文件：
- 对应划分：train（训练集），路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• idx：整数类型 (int64)
• src：字符串类型 (string)
• tgt：字符串类型 (string)
• text：字符串类型 (string)

数据集划分

• 训练集 (train)：
  • 示例数量：5924426
  • 数据大小：4411168834 字节

数据集大小

• 下载大小：1713874377 字节
• 数据集总大小：4411168834 字节

数据文件配置

• 默认配置 (default)：
  • 训练集路径：data/train-*