HamdanXI/arb-eng-parallel-100k-splitted

---
dataset_info:
features:
- name: arabic
dtype: string
- name: english
dtype: string
splits:
- name: train
num_bytes: 34346067.38616423
num_examples: 80000
- name: validation
num_bytes: 4293258.423270529
num_examples: 10000
- name: test
num_bytes: 4293258.423270529
num_examples: 10000
download_size: 24081696
dataset_size: 42932584.232705295
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集信息：
特征字段：
- 字段名：阿拉伯语文本（arabic），数据类型：字符串（string）
- 字段名：英语文本（english），数据类型：字符串（string）
数据集拆分：
- 拆分名称：训练集（train），字节数：34346067.38616423，样本数量：80000
- 拆分名称：验证集（validation），字节数：4293258.423270529，样本数量：10000
- 拆分名称：测试集（test），字节数：4293258.423270529，样本数量：10000
下载大小：24081696 字节
总数据集大小：42932584.232705295 字节
配置项：
- 配置名称：默认配置（default），数据文件映射：
- 拆分：训练集（train），路径：data/train-*
- 拆分：验证集（validation），路径：data/validation-*
- 拆分：测试集（test），路径：data/test-*

原始信息汇总

数据集概述

特征信息

• 名称: arabic
  • 数据类型: string
• 名称: english
  • 数据类型: string

数据分割

• 训练集
  • 字节数: 34346067.38616423
  • 样本数: 80000
• 验证集
  • 字节数: 4293258.423270529
  • 样本数: 10000
• 测试集
  • 字节数: 4293258.423270529
  • 样本数: 10000

数据大小

• 下载大小: 24081696
• 数据集大小: 42932584.232705295

配置信息

• 配置名称: default
  • 数据文件路径:
    • 训练集: data/train-*
    • 验证集: data/validation-*
    • 测试集: data/test-*