justinlamlamlam/wiki_encoding_v0

---
dataset_info:
- config_name: split_0
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
- name: embeddings
sequence: float32
splits:
- name: train
num_bytes: 7759682
num_examples: 1615
download_size: 6761008
dataset_size: 7759682
- config_name: split_1
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
- name: embeddings
sequence: float32
splits:
- name: train
num_bytes: 7798136
num_examples: 1615
download_size: 6775665
dataset_size: 7798136
configs:
- config_name: split_0
data_files:
- split: train
path: split_0/train-*
- config_name: split_1
data_files:
- split: train
path: split_1/train-*
---

数据集信息：
- 配置名称：split_0
特征：
- 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：嵌入向量（embeddings），为float32类型的序列
数据划分：
- 划分名称：train（训练集），字节数：7759682，样本数：1615
下载总大小：6761008，数据集总占用大小：7759682
- 配置名称：split_1
特征：
- 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：嵌入向量（embeddings），为float32类型的序列
数据划分：
- 划分名称：train（训练集），字节数：7798136，样本数：1615
下载总大小：6775665，数据集总占用大小：7798136
配置详情：
- 配置名称：split_0，数据文件：
- 数据划分：train，文件路径：split_0/train-*
- 配置名称：split_1，数据文件：
- 数据划分：train，文件路径：split_1/train-*

原始信息汇总

数据集概述

数据集配置

• 配置名称: split_0

  • 特征:
    • id: string
    • url: string
    • title: string
    • text: string
    • embeddings: sequence of float32
  • 分割:
    • train
      • 字节数: 7759682
      • 样本数: 1615
  • 下载大小: 6761008
  • 数据集大小: 7759682
  • 数据文件:
    • train: split_0/train-*

• 配置名称: split_1

  • 特征:
    • id: string
    • url: string
    • title: string
    • text: string
    • embeddings: sequence of float32
  • 分割:
    • train
      • 字节数: 7798136
      • 样本数: 1615
  • 下载大小: 6775665
  • 数据集大小: 7798136
  • 数据文件:
    • train: split_1/train-*