tdooms/TinyStories

该数据集是原始数据集的一个克隆版本，移除了非ASCII字符。原始数据集似乎存在一些损坏，例如包含不正确的字符编码。通过使用特定的Python代码，将数据集中的文本转换为仅包含ASCII字符的版本，并推送到Hugging Face Hub。

原始信息汇总

数据集概述

配置信息

• 默认配置 (config_name: default)
  • 训练数据 (split: train): 路径为 data/train-*
  • 验证数据 (split: validation): 路径为 data/validation-*

数据集特征

• 特征名称: text
• 数据类型: string

数据集划分

• 训练集 (name: train)
  • 数据量: 1798254 个样本
  • 存储大小: 1606484946 字节
• 验证集 (name: validation)
  • 数据量: 16384 个样本
  • 存储大小: 14679269 字节

数据集大小

• 下载大小: 859828035 字节
• 总数据集大小: 1621164215 字节