nilq/baby-python-and-tiny-stories-and-lua

---
dataset_info:
features:
- name: content
dtype: string
- name: origin
dtype: string
- name: type
dtype: string
splits:
- name: train
num_bytes: 4471145457
num_examples: 11198732
- name: validation
num_bytes: 482322816
num_examples: 1093175
download_size: 1794211908
dataset_size: 4953468273
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

数据集信息：
特征字段：
- 字段名：content（内容），数据类型：字符串
- 字段名：origin（来源），数据类型：字符串
- 字段名：type（类型），数据类型：字符串
数据集拆分：
- 拆分名称：训练集（train），占用字节数：4471145457，样本数量：11198732
- 拆分名称：验证集（validation），占用字节数：482322816，样本数量：1093175
下载总大小：1794211908
总数据集大小：4953468273
配置项：
- 配置名称：默认（default），数据文件：
- 拆分：训练集，路径：data/train-*
- 拆分：验证集，路径：data/validation-*

原始信息汇总

数据集概述

数据集特征

• content：数据类型为字符串。
• origin：数据类型为字符串。
• type：数据类型为字符串。

数据集划分

• 训练集：包含11198732个样本，总大小为4471145457字节。
• 验证集：包含1093175个样本，总大小为482322816字节。

数据集大小

• 下载大小：1794211908字节。
• 数据集总大小：4953468273字节。

数据文件配置

• 默认配置：
  • 训练数据路径：data/train-*
  • 验证数据路径：data/validation-*