deven367/babylm-100M

---
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: 567957485
num_examples: 10176300
- name: valid
num_bytes: 54930583
num_examples: 986022
- name: test
num_bytes: 59992087
num_examples: 1008854
download_size: 429914407
dataset_size: 682880155
---
# Dataset Card for "babylm-100M"

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

---
数据集配置：
- 配置名称：default
数据文件：
- 拆分：train，路径：data/train-*
- 拆分：valid，路径：data/valid-*
- 拆分：test，路径：data/test-*
数据集信息：
特征：
- 名称：text，数据类型：字符串（string）
数据拆分：
- 名称：train，字节数：567957485，样本数：10176300
- 名称：valid，字节数：54930583，样本数：986022
- 名称：test，字节数：59992087，样本数：1008854
下载大小：429914407
数据集总大小：682880155
---
# 「babylm-100M」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

数据集配置

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

数据集信息

• 特征：

  • 名称：text
  • 数据类型：string

• 数据集划分：

  • 训练集 (train)
    • 字节数：567957485
    • 样本数：10176300
  • 验证集 (valid)
    • 字节数：54930583
    • 样本数：986022
  • 测试集 (test)
    • 字节数：59992087
    • 样本数：1008854

• 数据集大小：

  • 下载大小：429914407 字节
  • 数据集总大小：682880155 字节