deven367/babylm-10M-open-subtitles

---
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: 18031636
num_examples: 527396
- name: valid
num_bytes: 17333152
num_examples: 529410
- name: test
num_bytes: 16275666
num_examples: 489448
download_size: 34964353
dataset_size: 51640454
---
# Dataset Card for "babylm-10M-open-subtitles"

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

---
配置项：
- 配置名称：default
数据文件：
- 数据集划分：训练集（train），路径：data/train-*
- 数据集划分：验证集（valid），路径：data/valid-*
- 数据集划分：测试集（test），路径：data/test-*
数据集信息：
数据特征：
- 字段名：text
数据类型：字符串（string）
数据集划分详情：
- 名称：训练集（train）
字节大小：18031636
样本数量：527396
- 名称：验证集（valid）
字节大小：17333152
样本数量：529410
- 名称：测试集（test）
字节大小：16275666
样本数量：489448
下载总大小：34964353
数据集总大小：51640454
---
# "babylm-10M-open-subtitles"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
  • 训练集路径: data/train-*
  • 验证集路径: data/valid-*
  • 测试集路径: data/test-*

数据集信息

• 特征

  • 名称: text
  • 数据类型: string

• 数据分割

  • 训练集
    • 字节数: 18031636
    • 样本数: 527396
  • 验证集
    • 字节数: 17333152
    • 样本数: 529410
  • 测试集
    • 字节数: 16275666
    • 样本数: 489448

• 下载大小: 34964353 字节

• 数据集大小: 51640454 字节