AnanthZeke/oscar_tamil_clean

---
dataset_info:
features:
- name: text
dtype: string
- name: sent_token
sequence: string
splits:
- name: train
num_bytes: 19533337624
num_examples: 1263180
download_size: 6504957774
dataset_size: 19533337624
---
# Dataset Card for "oscar_tamil_clean"

[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：text，数据类型：字符串
- 名称：sent_token，数据类型：字符串序列
数据拆分：
- 拆分名称：train（训练集），字节大小：19533337624，样本数量：1263180
下载大小：6504957774
数据集总大小：19533337624
---
# "oscar_tamil_clean"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: oscar_tamil_clean

数据集特征

• 特征1: text
  • 数据类型: string
• 特征2: sent_token
  • 数据类型: string
  • 属性: sequence

数据集分割

• 训练集:
  • 样本数量: 1263180
  • 数据大小: 19533337624 bytes

数据集大小

• 下载大小: 6504957774 bytes
• 总数据大小: 19533337624 bytes