alvations/c4p0-v2-en-fr
收藏Hugging Face2024-03-24 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/alvations/c4p0-v2-en-fr
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: source
dtype: string
- name: target
dtype: string
- name: target_backto_source
dtype: string
- name: raw_target
list:
- name: generated_text
dtype: string
- name: raw_target_backto_source
list:
- name: generated_text
dtype: string
- name: prompt
dtype: string
- name: reverse_prompt
dtype: string
- name: source_langid
dtype: string
- name: target_langid
dtype: string
- name: target_backto_source_langid
dtype: string
- name: doc_id
dtype: int64
- name: sent_id
dtype: int64
- name: timestamp
dtype: string
- name: url
dtype: string
- name: doc_hash
dtype: string
- name: dataset
dtype: string
- name: source_lang
dtype: string
- name: target_lang
dtype: string
splits:
- name: train
num_bytes: 9739130
num_examples: 7510
download_size: 4040042
dataset_size: 9739130
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
数据集元信息:
特征项:
- 名称: source, 数据类型: 字符串
- 名称: target, 数据类型: 字符串
- 名称: target_backto_source, 数据类型: 字符串
- 名称: raw_target, 数据类型: 列表, 子项:
- 名称: generated_text, 数据类型: 字符串
- 名称: raw_target_backto_source, 数据类型: 列表, 子项:
- 名称: generated_text, 数据类型: 字符串
- 名称: prompt, 数据类型: 字符串
- 名称: reverse_prompt, 数据类型: 字符串
- 名称: source_langid, 数据类型: 字符串
- 名称: target_langid, 数据类型: 字符串
- 名称: target_backto_source_langid, 数据类型: 字符串
- 名称: doc_id, 数据类型: 64位整数
- 名称: sent_id, 数据类型: 64位整数
- 名称: timestamp, 数据类型: 字符串
- 名称: url, 数据类型: 字符串
- 名称: doc_hash, 数据类型: 字符串
- 名称: dataset, 数据类型: 字符串
- 名称: source_lang, 数据类型: 字符串
- 名称: target_lang, 数据类型: 字符串
数据集划分:
- 名称: train, 字节数: 9739130, 样本数: 7510
下载大小: 4040042
数据集占用大小: 9739130
配置项:
- 配置名称: default, 数据文件:
- 划分: train, 路径: data/train-*
提供机构：
alvations
原始信息汇总
数据集概述
数据集特征
- source：数据类型为字符串。
- target：数据类型为字符串。
- target_backto_source：数据类型为字符串。
- raw_target：包含列表，列表中有一个名为
generated_text的特征，数据类型为字符串。 - raw_target_backto_source：包含列表，列表中有一个名为
generated_text的特征，数据类型为字符串。 - prompt：数据类型为字符串。
- reverse_prompt：数据类型为字符串。
- source_langid：数据类型为字符串。
- target_langid：数据类型为字符串。
- target_backto_source_langid：数据类型为字符串。
- doc_id：数据类型为整数（int64）。
- sent_id：数据类型为整数（int64）。
- timestamp：数据类型为字符串。
- url：数据类型为字符串。
- doc_hash：数据类型为字符串。
- dataset：数据类型为字符串。
- source_lang：数据类型为字符串。
- target_lang：数据类型为字符串。
数据集分割
- train：包含7510个示例，数据大小为9739130字节。
数据集大小
- 下载大小：4040042字节。
- 数据集大小：9739130字节。
配置
- config_name：default
- data_files：
- split：train
- path：data/train-*
