alorenc/c4_30B_5M_split_2.5B
收藏Hugging Face2026-03-20 更新2026-03-29 收录
下载链接：
https://hf-mirror.com/datasets/alorenc/c4_30B_5M_split_2.5B
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: input_ids
list: int32
- name: attention_mask
list: int8
splits:
- name: train
num_bytes: 11167419952
num_examples: 2177734
- name: validation
num_bytes: 25034896
num_examples: 4882
download_size: 17904930803
dataset_size: 11192454848
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---
数据集信息：
特征项：
- 名称：输入Token IDs（input_ids），数据格式为32位整数列表
- 名称：注意力掩码（attention_mask），数据格式为8位整数列表
数据集划分：
- 划分名称：训练集（train），字节占用量：11167419952，样本总数：2177734
- 划分名称：验证集（validation），字节占用量：25034896，样本总数：4882
下载总大小：17904930803，数据集总存储大小：11192454848
配置项：
- 配置名称：默认配置（default），数据文件路径规则如下：
- 训练集划分：对应路径为 data/train-*
- 验证集划分：对应路径为 data/validation-*
提供机构：
alorenc
