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-*