ashish23/split-data-babylm10m

---
dataset_info:
features:
- name: text
sequence: string
splits:
- name: train
num_bytes: 15497789.0
num_examples: 14132
- name: validation
num_bytes: 3867942.0
num_examples: 3527
download_size: 9929146
dataset_size: 19365731.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

数据集信息：
特征：
- 包含名称为 `text` 的特征，其类型为字符串序列
数据集拆分：
- 训练集（train）：字节占用量为 15497789.0，样本总数为 14132
- 验证集（validation）：字节占用量为 3867942.0，样本总数为 3527
下载大小：9929146
数据集总大小：19365731.0
配置项：
- 配置名称为默认配置，对应数据文件：
- 训练集拆分：路径为 `data/train-*`
- 验证集拆分：路径为 `data/validation-*`

原始信息汇总

数据集概述

数据集特征

• 名称: text
• 类型: 字符串序列

数据集划分

• 训练集:
  • 示例数量: 14132
  • 数据大小: 15497789.0字节
• 验证集:
  • 示例数量: 3527
  • 数据大小: 3867942.0字节

数据集大小

• 下载大小: 9929146字节
• 总数据大小: 19365731.0字节

数据文件配置

• 配置名称: default
• 文件路径:
  • 训练集: data/train-*
  • 验证集: data/validation-*