lsb/enwiki20230101-bysize-minilml6v2-avgembeddings

---
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
- name: textgzlen
dtype: int64
- name: avg_embed
sequence: float32
splits:
- name: train
num_bytes: 31169038847
num_examples: 6593739
download_size: 26546783217
dataset_size: 31169038847
---
# Dataset Card for "enwiki20230101-bysize-minilml6v2-avgembeddings"

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

数据集信息：
特征字段：
- 名称：id，数据类型：字符串
- 名称：url，数据类型：字符串
- 名称：title，数据类型：字符串
- 名称：text，数据类型：字符串
- 名称：textgzlen，数据类型：64位整型
- 名称：平均嵌入（avg_embed），数据类型：32位浮点型序列
划分集：
- 名称：训练集（train），字节数：31169038847，样本数量：6593739
下载大小：26546783217
数据集占用大小：31169038847
---
# 「enwiki20230101-bysize-minilml6v2-avgembeddings」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

数据集名称

• 名称: enwiki20230101-bysize-minilml6v2-avgembeddings

数据集特征

• id: 字符串类型
• url: 字符串类型
• title: 字符串类型
• text: 字符串类型
• textgzlen: 整数类型（int64）
• avg_embed: 序列类型，浮点数（float32）

数据集分割

• 训练集:
  • 样本数量: 6593739
  • 数据量: 31169038847 字节

数据集大小

• 下载大小: 26546783217 字节
• 总数据量: 31169038847 字节