tiennv/english-mc4

---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 24653765251
num_examples: 14294240
download_size: 15068999152
dataset_size: 24653765251
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "english-mc4"

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

数据集信息（dataset_info）：
特征字段（features）：
- 字段名：text，数据类型（dtype）：字符串（string）
数据集划分（splits）：
- 划分名称：train，字节数（num_bytes）：24653765251，样本数（num_examples）：14294240
下载大小（download_size）：15068999152
数据集总大小（dataset_size）：24653765251
配置项（configs）：
- 配置名称（config_name）：default，数据文件（data_files）：
- 对应划分（split）：train，文件路径（path）：data/train-*
---
# 「english-mc4」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

数据集信息

• 特征:

  • 名称: text
  • 数据类型: string

• 分割:

  • 名称: train
  • 字节数: 24653765251
  • 样本数: 14294240

• 下载大小: 15068999152

• 数据集大小: 24653765251

配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*